简介：摘要目的探讨惠州市气温对湿疹门诊人次的影响。方法从惠州市皮肤病防治所收集2016年1月1日至2019年12月31日湿疹门诊数据，同期气象因素（日均气温、相对湿度）数据源自广东省气候中心的86个气象站点。采用分布滞后非线性模型评估环境温度暴露对湿疹的滞后效应，采用自然平滑样条函数控制湿度的非线性混杂。结果惠州市皮肤病防治所4年内共报告湿疹门诊254 053人次，日均就诊173.89人次。日均气温与湿疹日就诊人次呈“U”型关联。低温段温度每降低1 ℃，湿疹发病风险上升2.20%（1.19%~3.21%），高温段温度每升高1 ℃，湿疹发病风险上升2.35%（1.24%~3.5%）。全人群中有1.60%（0.44%~2.68%）的湿疹门诊次归因于低温天气，即归因人次为4 065（1 128~6 798）；6.33%（1.40%~10.87%）的湿疹门诊人次归因于高温天气，即归因人次为16 082（3 557~27 616）。结论高温和低温暴露均与湿疹就诊风险增加有关。

简介：价值相关性研究是会计研究的主要领域之一。中外学者对于价值相关性的研究主要使用价格模型或收益模型，然后使用回归模型的调整R2作为衡量会计信息价值相关性的方法。通过对比R2的大小，然后得出在时间序列上会计信息的价值相关性表现为上升趋势或者下降趋势。但是也有学者对于这一衡量方法提出质疑，他们认为这一衡量方法会受到规模因素和会计确认延迟等因素的影响。因此，本文将以国内外会计信息价值相关性的经验研究成果为主线索，对时间序列上的会计信息价值相关性文献进行了系统的回顾，希望这些研究成果能够对我国会计信息价值相关性的研究有所帮助。

简介：1初霜日序列中存在着的统计特征近几年有些气象要素变化无常,往往很容易地超过极值.无霜期显著延长,初霜日序列变得没有规律可循,这些都与气候异常有关.以往制作初霜日预报,无非是用周期叠加外延法去做,但近几年初霜日序列的周期性越来越不明显,无法通过统计检验,预测结果的可靠性差,有时预报误差在半个月以上.

简介：建议了基于广义误差分布的APARCH模型。利用直方图和时序趋势图发现沪深300指数每五分钟的收益率序列具有尖峰厚尾和波动聚集等特征。运用基于广义误差分布的APARCH模型对沪深300指数每5分钟的收益率序列进行了波动性分析，并建立了风险度量模型。最后由Kupiec似然比检验表明，得出基于广义误差分布的APARCH模型对风险值计算较为精确。

简介：根据混沌序列产生的确定性和非线性机制,基于Volterra级数和RLS算法,提出了一种少参数二阶非线性滤波算法用于混沌时间序列的自适应预测。仿真结果表明,这种非线性自适应滤波器能有效地预测一些超混沌序列,而且该滤波器的一步均方误差性能明显高于其他基于Volterra级数的NLMS算法,表明该算法具有良好的收敛性能。

简介：本文基于2003～2008年伦敦金属交易所（LME）3月镍、铜期货价格的日线数据，运用经典的时间序列R／S分析方法来研究镍、铜期货市场价格的非线性特征。分析结果显示：LME镍、铜期货市场价格波动是典型的有偏随机游动，H值均大于0．5，期货价格时间序列具有持久性趋势；LME镍、铜期货存在大约分别为447天和442天的非周期循环长度。

简介：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.

简介：摘要随着我国现代经济的逐步发展，建筑业已成为我国第二产业的主要产业。因此，有效的建筑成本管理和控制，可以更好地促进建筑业持续稳定发展。

简介：模糊理论使用语义变量本身所蕴含的特性,能减少处理问题时的不确定性所带来的困扰,被广泛的应用于各种领域的研究。文章中首先回顾了基于模糊理论的模糊时间序列定义,对现有的模糊时间序列模型进行分析,在此基础上提出了一种新的模糊时间序列预测方法,以上证指数为对象进行了拟合,从结果看新的基于模糊时间序列预测方法在MSN、平均误差(%)和标准误差(%)等指标上要优于现有的预测方法。

简介：摘要目的基于2005—2020年深圳市淋病疫情监测数据，构建自回归移动平均（ARIMA）模型以预测深圳市淋病报告发病率的时间趋势。方法采用R3.5.0软件建立ARIMA模型，包括模型识别、参数检验和诊断三个步骤。将时间序列分为训练集和验证集，其中2005年1月—2020年5月作为训练集进行模型的建立，2020年6—11月作为验证集进行模型的评估。对比模型的BIC值选择拟合最优的模型，并以平均绝对百分误差（MAPE）为评价标准。结果根据训练集得出最优模型为ARIMA（0，1，1）（2，1，1）12模型（BIC=370.51），应用模型预测2020年6—11月深圳市淋病发病率，发现有周期性波动以及继续下降的趋势，与真实值的发病率趋势相符。该模型MAPE值为18.35%，2020年6—11月的真实值均在预测值的95%CI内。结论ARIMA（0，1，1）（2，1，1）12模型可很好地拟合周期波动和长期趋势，能够应用于预测深圳市淋病发病趋势。

简介：可能遵循哪一盈利时间序列模型,以2002年以后的季度盈利序列为主要研究数据进行研究,对上市公司的盈利序列进行整体的研究

简介：摘要目的比较差分自回归移动平均模型和指数平滑模型在全国甲肝发病情况预测中的效果，为甲肝监测预警提供合适的数学模型。方法从公共卫生科学数据中心收集2010—2020年全国甲肝逐月发病数据，分别用差分自回归移动平均模型和指数平滑模型进行拟合，筛选出最优的差分自回归移动平均模型和指数平滑模型，再用最优模型分别预测2021年1—10月全国甲肝发病数，并比较预测精度。结果ARIMA（1，1，0）（1，0，0）12是最优的差分自回归移动平均模型，Holt-winters乘法模型是最优的指数平滑模型，两种模型预测的平均绝对百分比误差分别为15.64%和13.08%，平均绝对误差分别为144和124。结论Holt-winters乘法模型在全国甲肝逐月发病数预测中的精度更高，可用于数据波动不大时间序列的拟合预测。

简介：随着社会经济的发展，建筑业在我国已经逐渐地成为了第二产业中支柱产业，而随着建筑业的快速发展，其在我国的国民经济中已经处于不可动摇的地位，已经是我国国民经济中重要的经济支柱产业，因此，对于建筑工程造价的预测和控制管理，对于促进我国建筑业快速发展具有重要的意义。

简介：摘要在中国，建筑工程造价的预测主要是通过单位指标法，即根据工程的特征、结构、以及规模套用相应的预测指标，计算并汇总实现的。该过程不但复杂耗时，还难以保证精度。不同国家有不同的建筑工程造价预测的规范和方法，但为了提高预测精度使其更具有市场意义，各国学者目前都极为关注与计算技术领域的结合。本文基于时间序列的建筑工程造价预测进行了研究。

简介：联合模型是能够应用于地下水水位预测的一种时间序列分析法，它由趋势函数、周期函数和自相关函数组成。本文结合北京市地下水监测资料进行了趋势性、周期性和自相关性分析，详细讨论了联合模型在地下水水位预测中的应用。

简介：摘 要 由严重急性呼吸道综合征冠状病毒2型（SARS-CoV-2）所引起的2019冠状病毒（CoVid-19）疫情正在席卷全球。为了使人们更好地了解、评估和控制此次疫情，本文通过构造了一系列衡量疫情严重程度的时间序列数据，并利用逐步聚类及降维算法及最小二乘法回归分析等方法，对疫情已爆发的国家在疫情爆发期内的数据进行了时间序列和横截面的处理，构造了能够准确量化这些国家在疫情爆发后的疫情走势的疫情相对严重程度指标（Relative Severity Score）。在此基础上，通过对该指标和地理、人文和社会因素做回归分析，本文发现人口平均年龄、湿度、平均气温和风速对疫情爆发的相对严重程度具有显著的统计学意义。最后，通过将该指标带入到机器学习模型中使用回归分析对数据进行拟合，本文对疫情正在爆发的国家的未来疫情发展趋势进行了预测。

简介：针对时间序列建模中所遇到的问题,对时间序列建模中的数据预处理、模型选择、模型定阶与系统稳定性检验等问题进行讨论,并根据实例计算作进一步的说明与验证.

简介：时间序列分析是统计学的必修专业课,有很强的理论性、操作性和应用性。针对目前传统教材和常规讲授普遍存在的授课弊端,提出了合理而有效的教学方法,即在教学过程中有机结合专业知识的实际应用和学术研究,引导学生从具体问题出发,利用相关知识解决实际问题,打破学科和专业的界限。实践表明,该教学方法能够加深学生对专业知识的理解和掌握,并有效提升学生的实践创新和解决问题的能力。

简介：而缺少对更有效的时间序列模型进行研究和运用,（一）我国上市公司盈利时间序列研究的意义与客观条件的制约,我国上市公司盈利时间序列研究

简介：基于时间序列分析方法对中国2000～2010年月度外汇储备余额数据序列进行建模,通过验证序列的趋势特征,并从中选择最佳拟合模型,预测中国2011年上半年外汇储备规模增长情况。实证分析结果表明,所选模型能较为精确的预测中国外汇储备规模,与实际偏差在0.3%以内,在外汇储备管理研究中将有较大应用价值。