导读:本文包含了滑动平均模型论文开题报告文献综述及选题提纲参考文献，主要关键词:自回归求和滑动平均模型,食源性疾病,预测
滑动平均模型论文文献综述
周绍英,张琰,郭延波,史碧君,高华[1]（2019）在《自回归求和滑动平均模型在宁波市食源性疾病发病人数预测中的应用》一文中研究指出目的采用自回归求和滑动平均模型(autoregressive integrated moving average,ARIMA)对宁波市食源性疾病的发病趋势进行预测,为预警和制定、调整食源性疾病防控策略提供依据。方法用SPSS 22. 0软件对宁波市2014年1月-2016年12月的食源性疾病发病人数进行ARIMA模型拟合,2017年的发病人数验证模型并预测2018年发病人数。结果 ARIMA(1,1,1)(0,1,1)12模型较好地拟合了宁波市既往食源性疾病的时间序列,拟合预测误差率为6. 38%,2018年宁波市食源性疾病预测人数为6 968人。结论 ARIMA模型可用于食源性疾病的动态分析和短期预测。(本文来源于《中国卫生检验杂志》期刊2019年17期）
赵媛,郭忠琴,梁沛枫[2]（2019）在《基于自回归滑动平均混合模型的布鲁菌病流行趋势预测》一文中研究指出目的对我国布鲁菌病(简称布病)月发病率进行预测,为了解我国布病流行趋势、制定防控策略提供数据支持和决策依据。方法以国家人口与健康科学数据共享平台为数据来源,使用2004年1月-2016年12月全国布病月发病率数据建立历史序列,应用R软件构建自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA)并进行数据拟合和预测。结果本研究构建乘积季节ARIMA (2,1,2)(2,1,1)_(12)模型各项参数都有统计学意义(均有P<0.001),模型很好的拟合了全国布病月发病率的变化规律,预测值与实际值之间的平均相对误差为21.77%;预测2017年、2018年、2019年和2020年布病的月平均发病率分别为0.399 5/10万、0.423 8/10万、0.445 6/10万、0.471 2/10万,呈逐渐增高趋势(χ~2=14.244,P<0.001),在4-7月份出现发病峰值。结论在自然状况下,我国人间布病的月发病率将逐年增高,应采取相应措施进行控制。(本文来源于《中华疾病控制杂志》期刊2019年08期）
章竹耀,郭晓丽,张新松,马啸宇[3]（2019）在《基于滑动平均和模型预测控制的风储平抑策略》一文中研究指出风电出力的随机波动给电网带来了大量的负面影响,电池储能系统(Battery Energy StorageSystem,BESS)的接入可以有效平抑风功率波动,提高风电出力稳定性。为了提高储能利用效率,BESS的荷电状态(SOC)需最大限度控制在一定区域内,以便拥有足够裕量进行下一时刻的充放电动作,从而带来更好的平滑效果。为此,提出了一种由滑动平均滤波法和模型预测控制法协调运行的控制策略。该策略利用风电出力预测曲线,综合考虑了BESS出力、BESS的SOC以及风储联合输出功率平滑效果来实现对BESS优化控制。仿真验证表明该策略与传统低通滤波相比,不仅平滑效果更为理想,而且BESS的SOC限制在一定区间内,从而降低了BESS的最大充放电深度,节约了储能投资成本。(本文来源于《控制工程》期刊2019年01期）
姚英,杨红雨,李娜,胡锦峰[4]（2019）在《自回归积分滑动平均模型在杭州市上城区主要肠道传染病发病趋势的应用研究》一文中研究指出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SPSS 20.0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。(本文来源于《中国预防医学杂志》期刊2019年01期）
胡晟,肖深根[5]（2018）在《基于自回归积分滑动平均模型的玉竹价格预测分析》一文中研究指出通过网络爬虫技术和文献搜集采集了2010年1月至2018年9月湖南省玉竹统条月度价格数据;首先对数据进行了平稳性检验,获取平稳时间序列的阶数值;再采用自回归积分滑动平均模型(ARIMA),求取平稳时间序列的自相关和偏相关系数,初步判断模型的p、d、q值;通过对模型参数的比较分析,得出最适合玉竹价格预测的模型,并通过残差序列检验模型的相关性;最后对2019年湖南省玉竹价格走势进行预测,结果显示玉竹价格在2019年呈下降趋势,但其下降幅度相对平稳。(本文来源于《湖南农业科学》期刊2018年12期）
赖国书[6]（2018）在《基于自回归求和滑动平均模型的居民区电动汽车负载特性分析》一文中研究指出随着电动汽车规模的日益扩大和居民区充电设施的逐渐完善,大量电动汽车的充电行为将给居民区电网负荷带来较大影响。在电动汽车充电特性研究的基础上,提出了一种基于自回归求和滑动平均(ARIMA)模型的面向居民区的电动汽车负载特性分析方法,通过构建多辆电动汽车的总耗电模型,较好地预测了电动汽车总体充电需求,进而实现对居民区变压器容量的合理配置。最后选取若干具有代表性的小区,测试分析了电动汽车接入前后的台区负载变化情况,验证了所提方法的有效性。(本文来源于《科学技术与工程》期刊2018年34期）
魏倩楠,贾乐元,苏虹[7]（2018）在《自回归积分滑动平均模型与反向传播神经网络模型在利用气象因素与大气污染物拟合手足口病发病数的对比研究》一文中研究指出目的对比自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)与反向传播神经网络模型(Back Propagation Neural Network,BPNN)在利用气象因素与大气污染物预测手足口病发病人数上的拟合效果。方法收集合肥市2014-2016年手足口病(hand,foot,and mouth disease,HFMD)日发病数与逐日气象因素和大气污染物数据,进行两变量相关性分析。使用SPSS23.0建立ARIMA模型,以日和以周为周期分别加入不同相关因素进行拟合优度探究。使用Matlab 2017神经网络工具包建立BPNN模型,在输入层对数据进行预处理(7天平均移动,加入星期几效应和月份效应)与否和纳入不同相关因素(气象因素、空气污染物、气象因素联合空气污染)后模型的拟合优度探究。结果 ARIMA模型未纳入气象因素和空气污染物时拟合结果:决定系数R~2=0.868,均方根误差RMSE=95.972,平均绝对误差MAE=65.556。最优拟合模型为纳入气象因素和空气污染物的ARIMA(1,1,1)(1,0,1)52,该模型在分析周手足口病发病数上拟合结果 R~2=0.891,RMSE=88.687,MAE=63.787。而BPNN模型能够拟合日手足口病发病数,BPNN模型纳入气象因素和空气污染物而未对数据预处理的拟合结果为:R~2=0.690,RMSE=26.966,MAE=19.871。在此基础上,对输入层数据进行7天平均移动,加入星期几效应和月份效应的预处理后,模型的拟合优度提升为:R~2=0.920,RMSE=13.298,MAE=9.848。ARIMA模型和BPNN模型在纳入气象因素联合空气污染物后,两者拟合优度都较未纳入时提高,但BPNN模型的拟合优度提升更大。结论使用气象因素和大气污染物纳入模型能提升ARIMA和BPNN模型的拟合优度。但BPNN模型在对输入层数据进行预处理与控制后,在拟合的时间精度与准确度上都优于ARIMA模型。(本文来源于《2018环境与健康学术会议--精准环境健康：跨学科合作的挑战论文汇编》期刊2018-08-13）
孟瑞祖,独知行,袁俊军[8]（2018）在《基于小波去噪的自回归滑动平均模型在地铁隧道地表沉降预报中的应用》一文中研究指出利用小波分析对地表沉降监测数据进行去噪处理,再使用传统的自回归滑动平均模型(auto-regressive and moving average model,ARMA)对去噪后的序列进行建模预报。以青岛市地铁3号线某条观测线实测数据为例,分别采用传统ARMA模型和基于小波去噪的ARMA模型进行了预报对比分析,结果表明基于小波去噪的ARMA模型取得了较高的预报精度。(本文来源于《测绘地理信息》期刊2018年03期）
陈敏,杨春雪,张越,李云[9]（2018）在《上海市闵行区出生缺陷发生率预测的自回归求和滑动平均模型构建与应用》一文中研究指出目的探讨构建并应用自回归求和滑动平均(ARIMA)模型预测上海市闵行区出生缺陷发生率的可行性。方法基于2010-2015年闵行区的逐月出生缺陷发生率建立最优ARIMA模型。用所得模型回代预测闵行区2016年1-12月出生缺陷发生率,比较预测值与实际值的相对误差;再以2010年1月-2016年12月的数据构建模型预测2017年各月的出生缺陷率。结果模型ARIMA(1,1,1)(无常数项)较好拟合了既往出生缺陷率的时间序列,模型自回归参数(AR1=-0.46)与滑动平均参数(MA1=0.98)均有统计学意义(P<0.05),模型残差为白噪声(P>0.05)。2016年1-12月出生缺陷率的预测值符合实际值的变动趋势,相对误差最小仅为0.83%。模型外推预测闵行区2017年的出生缺陷率为1.061%。结论 ARIMA模型可以较好地拟合闵行区出生缺陷率的时间变化趋势,并可用于短期预测未来的出生缺陷率。(本文来源于《中国妇幼保健》期刊2018年07期）
王子江,孙英伟,毛玲玲,于维君,雷露[10]（2018）在《自回归滑动平均混合模型在辽宁省人间布鲁氏菌病发病预测中的应用》一文中研究指出目的了解辽宁省2006-2015年人间和家畜布鲁氏菌病(布病)疫情情况,建立时间序列模型,探索畜牧业因素对人间疫情影响,为布病预测防控提供依据。方法收集辽宁省2006-2016年布病月发病数,以发病数建立时间序列构建自回归滑动平均混合(ARIMA)模型,对2016年1-6月进行短期预测,结合实际观测值评价预测效果;收集辽宁省同期羊存栏量和疫情,分析与人间发病存在的关联。结果构建模型ARIMA(1,1,1)(1,1,1)12,月发病数拟合值与实际观测值时间序列基本一致,预测效果良好,但精确度较低。羊年存栏量与人间布病发病数存在正关联性。结论 ARIMA模型预测辽宁省布病发病情况基本可行,加强人畜布病的监测工作,以揭示人与家畜流行病学关系。(本文来源于《疾病监测》期刊2018年03期）
滑动平均模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的对我国布鲁菌病(简称布病)月发病率进行预测,为了解我国布病流行趋势、制定防控策略提供数据支持和决策依据。方法以国家人口与健康科学数据共享平台为数据来源,使用2004年1月-2016年12月全国布病月发病率数据建立历史序列,应用R软件构建自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA)并进行数据拟合和预测。结果本研究构建乘积季节ARIMA (2,1,2)(2,1,1)_(12)模型各项参数都有统计学意义(均有P<0.001),模型很好的拟合了全国布病月发病率的变化规律,预测值与实际值之间的平均相对误差为21.77%;预测2017年、2018年、2019年和2020年布病的月平均发病率分别为0.399 5/10万、0.423 8/10万、0.445 6/10万、0.471 2/10万,呈逐渐增高趋势(χ~2=14.244,P<0.001),在4-7月份出现发病峰值。结论在自然状况下,我国人间布病的月发病率将逐年增高,应采取相应措施进行控制。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
滑动平均模型论文参考文献
[1].周绍英,张琰,郭延波,史碧君,高华.自回归求和滑动平均模型在宁波市食源性疾病发病人数预测中的应用[J].中国卫生检验杂志.2019
[2].赵媛,郭忠琴,梁沛枫.基于自回归滑动平均混合模型的布鲁菌病流行趋势预测[J].中华疾病控制杂志.2019
[3].章竹耀,郭晓丽,张新松,马啸宇.基于滑动平均和模型预测控制的风储平抑策略[J].控制工程.2019
[4].姚英,杨红雨,李娜,胡锦峰.自回归积分滑动平均模型在杭州市上城区主要肠道传染病发病趋势的应用研究[J].中国预防医学杂志.2019
[5].胡晟,肖深根.基于自回归积分滑动平均模型的玉竹价格预测分析[J].湖南农业科学.2018
[6].赖国书.基于自回归求和滑动平均模型的居民区电动汽车负载特性分析[J].科学技术与工程.2018
[7].魏倩楠,贾乐元,苏虹.自回归积分滑动平均模型与反向传播神经网络模型在利用气象因素与大气污染物拟合手足口病发病数的对比研究[C].2018环境与健康学术会议--精准环境健康：跨学科合作的挑战论文汇编.2018
[8].孟瑞祖,独知行,袁俊军.基于小波去噪的自回归滑动平均模型在地铁隧道地表沉降预报中的应用[J].测绘地理信息.2018
[9].陈敏,杨春雪,张越,李云.上海市闵行区出生缺陷发生率预测的自回归求和滑动平均模型构建与应用[J].中国妇幼保健.2018
[10].王子江,孙英伟,毛玲玲,于维君,雷露.自回归滑动平均混合模型在辽宁省人间布鲁氏菌病发病预测中的应用[J].疾病监测.2018
标签：自回归求和滑动平均模型; 食源性疾病; 预测;