分享到:

SARS病例数的统计学与灰色模型预测效果评价

严重急性呼吸综合征(severe acute respiratorysyndromes,SARS)是新世纪第一个在全球范围内传播的传染病,平均病死率为11%[1]。SARS流行虽然结束了,但是其阴影并未完全消失,禽流感目前正在亚洲多个国家流行,因此,研究SARS流行规律,预测感染人数的变化趋势,有着重要的医学意义和社会价值,也可以为将来可能发生的新病毒性传染病的预防与控制提供参考。以往的研究主要是通过数学模型描述SARS的传播过程,分析感染人数的变化规律及预测流行的高峰期及结束期等。研究方法包括确定性微分方程、系统动力学模型、基于统计学和随机过程进行建模等[2-9]。但是这些研究大都只是采用一种方法,没有联合几种方法对流行数据进行预测,并从中选出较好的预测流行的方法。本研究同时采用数理统计学与系统工程学方法,包括曲线拟合、Gamma分布、时间序列和灰色动态GM(1,1)模型等13种方法,对每日病例数进行预测,通过比较预测效果选出...  (本文共5页) 阅读全文>>

《西安交通大学学报》2007年12期
西安交通大学学报

生理时间序列的一种符号化分析方法

生理时间序列包含着复杂的波动,它们提供了生理系统活动状态的基本信息.疾病和衰老使得生理系统的自适应能力下降,从而使系统状态变量的观测值序列中包含的信息量减少[1].近年来,人们提出了若干种度量时间序列的非线性复杂度的方法,如相关维、Lyapunov指数、K-S熵以及非线性预测[2-5]等.然而,这些方法在实际应用中可能受到一些限制.例如:求相关维或者Lyapunov指数要求时间序列有足够的长度;近似熵和样本熵[6]因为受时间序列中局部趋势等因素的影响,有可能导致对数据的错误解释.本文提出了一种分析生理时间序列的方法,即对重构的相空间进行符号化分析.相空间重构技术是非线性时间序列分析的基本工具之一[7],而符号化分析则是特征提取常用的方法.理论上,由系统任何一个状态变量的观测值序列重构的相空间的维数如果大于该系统盒维的2倍,那么相空间就能够完全表征系统的状态[8].由于生理时间序列一般是非平稳的,为了去除时间序列中局部趋势、提取时...  (本文共4页) 阅读全文>>

《计算机应用》2017年02期
计算机应用

基于多样化top-k shapelets转换的时间序列分类方法

0引言Shapelets是描述时间序列局部特征的子序列,是时间序列中一种微小的局部模式,具有高度的辨识性[1]。基于shapelets的时间序列分类方法,能够发现时间序列之间具有微小区别的局部特征,不仅分类精度高,对分类的结果也有很好的解释能力,已经成为时间序列领域一个重要的研究主题,受到了越来越多的关注[2-5],并被广泛应用到聚类[6]、姿势识别[7]、早期分类[8]等领域。原始基于shapelets的分类方法将shapelets的求解与时间序列的分类过程通过一个决策树算法完成,用于产生shapelets候选集的时间复杂度均为O(n2m4),n为数据集中时间序列的条数,m为时间序列的长度,计算出所有shapelets的集合需要耗费的时间非常惊人。因此,提高shapelets候选集的计算效率成为一个重要的研究方向。文献[1]采用提前停止距离计算和熵剪枝的加速方法;其他的加速技术依赖于计算的重用和对搜索空间的精简[3],或者在使...  (本文共6页) 阅读全文>>

《现代计算机(专业版)》2017年02期
现代计算机(专业版)

时间序列趋势预测

0引言作为时间序列分析的一项重要任务,时间序列预测已经得到了广泛的研究[1,4,5]。现有预测算法主要通过时间序列数值回归分析,实现时间序列的多步预测。而时间序列趋势预测,对于金融投资等领域中的应用具有重要意义,例如针对某只股票,投资者需要判断未来一段时间内其价格的走势,依此做出增持或卖出决策。本文对时间序列的趋势预测进行了研究。我们的主要思路是,通过提取有效的时间序列的趋势特征,建立向量自回归(VAR)预测模型。基于这一思路,本文具体做了如下工作:(1)在线识别并提取时间序列的每一个线性分段,每一段用长度(length)和斜率(slope)作为本段的特征。(2)应用向量自回归模型(VAR)对时间序列进行趋势预测。序列的每个分段由向量(length,slope)T标记,VAR模型可以准确描述前后向量序列之间的关系和length与slope之间的相互影响,因此能够对时间序列的趋势做出较为准确的预测。(3)在真实数据集上验证了本文提...  (本文共3页) 阅读全文>>

《智富时代》2017年02期
智富时代

基于ARMA模型的股价预测及实证研究

一、ARMA模型的理论介绍ARMA(p,q)模型是由美国统计学家Box GEP和赢过统计学家Jenkins GM在二十世纪七十年代提出的时间序列分析模型,即自回归移动平均模型,一般的ARMA(p,q)模型的形式可以表示为:yt=c+Φ1yt-1+Φ2yt-2+...+Φpyt-p+εt+θ1εt-1+θ2εt-2+...+θqεt-q其中:εt是白噪声序列,p和q是非负整数,AR和MA模型都是ARMA模型的特殊情况,p=0时,ARMA模型为MA(q),q=0时,ARMA模型为AR(p)。ARMA模型针对的是平稳序列,对于非平稳的时间序列,不能直接用ARMA模型去描述,只有经过某种处理后,产生一个平稳的新序列,才可应用ARMA模型。对于含有短期趋势的非平稳序列可以进行差分使非平稳序列变成平稳序列。二、对民生银行的股票日收盘价的实证分析及预测在wind资讯数据库选取民生银行(600016)的股票日收盘价数据,时间区间为2013/5/...  (本文共1页) 阅读全文>>

《中国摄影》2017年04期
中国摄影

《漫长的告别》(年度资助摄影图书)

【评委评语】这是一个历时三年的摄影项目,面对患有阿兹海默症的外婆,作者的叙述从最初以时间为线索的线性记录变得跳跃,家庭相册里的老照片、外婆年轻时设计的布料花样,它们的加入改变了时间序列;文字也拓展出新的空间,并非只承担为图片撰写说明之责。这都使得摄影书成为承载这个项目的最佳载体,此种“旧媒体”却也是一种融合视觉、听觉(默念文字给耳朵听)、触觉,以及与读者具有互动性的新媒体,这些特征在一些摄影书中并未得到充分表达。作者所提供的样书编排恰当,完成度很高,假使能够出版,不仅能为我们提供超出图录、照片集这些传统摄影出版物的新样态,同时,尽管从个人私事出发,但故事并非停留在此,作者所探讨的疾病与生命的话题,也会触动无数家庭的痛点,使之具有在公共场域展开传播的必要性。 —任悦尺寸:18×25cm规格:80页,硬皮精装,32张彩色和黑白照片,及翻拍的老照片和其他文件制作时间:2016年2014年5月,外婆已经过世10个月。外婆患了...  (本文共6页) 阅读全文>>