简介：

简介：研究了一类用于时间序列建模的混合自回归滑动平均模型，该模型是由m个ARMA分量经过混合得到的，给出了混合自回归滑动平均模型参数估计的期望极大化（EM）算法，从而得到了混合系数和分量模型的参数，通过仿真说明了其有效性。

简介：摘要目的探讨利用自回归滑动平均模型法（ARIMA）对宁波市奉化区人口出生率数据进行预测的可行性。方法利用R3.5.0软件对浙江省宁波市奉化区1983—2013年出生率数据拟合ARIMA模型，对模型参数与残差进行统计学分析，并利用拟合的模型对奉化区2014—2018年的出生率进行预测。结果拟合的模型为ARIMA(0,1,0)，模型的残差分析表明残差符合白噪声过程。2014—2018年出生率预测相对误差率最大的年份是2017年为23.40%，相对误差率最小的是2015年为3.25%。结论ARIMA(0,1,0)模型能较好地拟合奉化区出生率的时间变化趋势，可用于未来奉化区出生率的短期预测。

简介：目的了解杭州市上城区主要肠道传染病的流行特征,探讨应用为自回归积分滑动平均模型(ARIMA模型)预测其发病趋势的可行性和适用性。方法应用SPSS20.0对2007-2016年杭州市上城区主要肠道传染病月发病数据建立ARIMA模型,以2017年1~12月的数据进行模型的验证,并外推2018年的发病趋势。结果2007-2016年细菌性痢疾和其他感染性腹泻的发病趋势总体呈下降趋势。细菌性痢疾的预测模型为ARIMA(1,1,1)(1,1,0)12,其他感染性腹泻的预测模型为ARIMA(2,0,2)(1,1,1)12,拟合效果均较好。2018年杭州市上城区细菌性痢疾的发病有下降的趋势,其他感染性腹泻的发病有上升的趋势,但幅度不大。结论ARIMA模型对杭州市上城区主要肠道传染病的发病趋势有较好的预测效果,可提供科学的防控依据。

简介：以火灾统计数据中的火灾发生起数为研究对象,利用时间序列分析中的差分自回归移动平均模型对城市火灾进行预测。以北京市2000～2006年火灾数据为例,建立了乘积季节模型,进而预测了北京市2007年月火灾发生起数,并与实际值相比较,发现该模型预测结果较为准确,可用于对火灾作短期预测,预测结果可为消防部门的决策提供科学依据。

简介：目的：通过对海南省人均卫生费用的自回归移动平均（ARIMA）模型预测，为地方卫生行政部门的科学决策提供参考。方法：利用Eviews5.0统计软件对时间序列数据进行处理和分析，建立ARIMA模型进行预测和检验。结果：ARIMA（3，2，2）模型为海南省人均卫生费用提供了较好的预测，模型反映人均卫生费用呈现逐年增长的趋势。结论：人均卫生费用逐年增长，海南卫生行政部门应合理控制卫生费用增长。

简介：本文研究了含(α,c)型Fuzzy参数的回归预测模型,并将它推广为含此型参数的自回归情形.在确定参数时,不采用最小二乘法,而转化为求解—等价的规划问题,从而避免因参数不可微而引起的确麻烦。由此而建立的模型,将比经典模型包含更多的信息、

简介：空间自回归模型是空间计量经济学中处理空间相关性时常用的一类回归模型,本文主要考虑到自变量存在多重共线性时,空间自回归模型的参数应该如何估计。在主成分分析以及极大似然估计方法的基础之上,建立了一类针对模型未知参数的有偏估计,从而减少多重共线性对于模型求解的影响。本文引入数值模拟部分,说明了主成分估计方法对于处理多重共线性问题的有效性,同时引入波士顿房价数据实例,进一步验证了当多重共线性出现时,有偏估计结果较之极大似然估计更为合理。

简介：摘要本文采用滑动平均法对灰色预测的原始数列进行了改进，这样既增加了当年数据的权重，同时避免了数值的过度波动，能够有效的提高用电量预测的精度。

简介：摘要目的比较差分整合移动平均自回归模型(ARIMA)和深度学习模型在吸脂操作数据预测分析方面的应用价值。方法选取2019年1至9月中国医学科学院整形外科医院符合入选标准的行吸脂手术患者，使用基于光学追踪系统和力传感技术的吸脂操作记录系统，采集高年资整形外科医生吸脂手术初始250~400 s的操作数据，包括运动学和力学数据。经预处理后将采集数据分成一个吸脂往复循环为一组的数据。分别使用ARIMA模型和深度学习模型处理分析采集到的数据，建立吸脂操作预测模型。用Matlab 2017软件产生随机数随机抽取30对共计60组吸脂循环数据，计算每对数据的动态时间规整(DTW)值作为检验标准，然后分别计算基于ARIMA模型与深度学习模型的各30组预测数据与实际数据之间的DTW值，与检验标准对比，对2种模型的预测结果进行验证。应用Matlab 2017软件进行统计分析，2组比较用独立样本t检验，P<0.05为差异有统计学意义。结果共入组18例患者，均为女性，年龄23~49岁，平均36.6岁。吸脂部位分别为腹部、大腿、腰部。共获得16 800组吸脂循环数据。模型检验标准DTW值为0.048±0.028。ARIMA模型预测数据与实际数据之间的DTW值为0.660±0.577，与检验标准比较差异有统计学意义(P<0.05)。深度学习模型得出的DTW值为0.052±0.030，与检验标准比较差异无统计学意义(P>0.05)。结论相比ARIMA模型，深度学习模型可以更准确地预测吸脂操作数据，能更好地适应不同情况的数据，并且具有更好的实时性。

简介：本文根据犯罪作用的机理,把犯罪现象看作是随机过程中的马尔柯夫过程。犯罪在各个年份中所产生的规模和水平,即立案数据,视为随机过程的一个实现,即随机过程的一个样本。为此提出了马尔柯夫过程的预测模型──自回归(AR)模型,作为犯罪的预测模型。本文介绍了自回归模型的形式,建立、识别、检验和怎样用于预测。自回归模型一旦确立,计算简单,并且能包含近期的诱发和控制犯罪的因素,预测结果较为准确。

简介：文章选取中国的上证综合指数和美国标准普尔500指数在2015年1月2日至2016年12月31日的数据作为研究样本,利用向量自回归（VAR）模型的Johansen协整检验和Granger因果检验方法,对中国股市和美国股市的联动性进行了实证研究分析。结果显示,中美两国股市具有长期均衡的正相关关系。

简介：摘要院利用两步估计方法对混合地理加权回归模型进行拟合，运用Moran's检验方法探索误差项的空间相关性。

简介：对于存在测量误差的面板数据自回归模型，首先讨论了POLS（PoolingOLS）和LSDV（leastsquareofdummyvariable）估计存在向零的衰减偏差及其非一致性，其次对于混合自回归模型和个体固定效应自回归模型给出了工具变量应满足的条件。研究发现这时工具变量的选择是十分困难的。

简介：本文研究长程选举模型的平均场极限，利用对偶关系和特怔函数方法证得长程选举模型的平均场极限满足下列微分方程：{^δu（t，r）/δt=∫^(1+1)^r(1-1)…∫^r(d+1)^r(d-1)u(t，(y1，…，yd))/2^dyd-u(t，r)u(0，r)=g(r)。

简介：获取活动断裂平均滑动速率、位移量、位移场以及分析断裂未来一次性错动可能造成的地表最大位移量，并将以上参数如何应用于工程设计是工程地质、地震地质学界急需解决的根本问题。笔者认为采用断裂未来一次性错动的地表最大位移量估算方法和断裂位移场的解析计算，对于线性工程进行安全设计十分重要，可以作为工程设计参考指标的有益补充

简介：在新课改的大背景下，教育教学更加注重培养学生自学能力。在教学实践中，教师要根据学生实际情况，从词语积累、朗读情境、质疑问难、暗示点拨等角度，引导学生开展自读自悟。在这样的自主学习中，学生将获得更多学习启迪，更容易形成实用性学习能力。

简介：租金作为一种价格机制在整个租赁市场中起着十分重要的信号作用,较低租售收入比抑制着房源供给,超越支付能力的租金又是群租房等滋生的原因。由于“住有所居”的特殊性,租金补贴方案成为促进市场发展、保护租房群体的“民生”政策。本文以特征价格模型为基础,建立空间自回归模型,探究南京市小区单位租金的价格机制。本文采集南京市2156个小区的住宅租金样本数据,运用莫兰指数检验小区单位租金的空间自相关性,根据特征价格模型,将影响小区单位租金的13个特征分为整体特征、邻里特征和区位特征三类,建立空间自回归模型。研究发现,小区单位租金存在空间正自相关,小区物业费、绿化率,周围高中、医院、超市、大学校区、公交、地铁站以及和商务中心的距离对小区单位租金存在显著影响。这些因素会影响租赁住宅的供需关系和居住效用水平,从而决定小区的单位租金水平。

简介：农产品出口贸易在我国的国民经济和粮食安全中发挥着及其重要的作用。基于企业异质性贸易理论,利用1996-2012年我国农产品出口贸易的数据,分析了我国农产品出口的二元贸易边际。结果显示,农产品出口主要依靠集约边际实现增长。通过计算我国出口农产品复杂度,运用向量自回归模型对影响出口农产品复杂度的因素进行分析,结果显示,我国农业技术发展对出口农产品复杂度的提升有着较大的影响作用。

简介：危言耸听的标题、打擦边球的假新闻屡见不鲜,让人感慨“信息越来越多,真相却越来越远”;网络谣言和小道消息不胫而走,往往陷入“造谣动动嘴、辟谣跑断腿”的尴尬……频频发生的自媒体乱象,备受诟病。如何规范自媒体发展,使其回归健康发展的良性轨道,成为一道必须解决的网络治理课题。