采用GNSS数据中心提供GPS/BDS钟差数据作为实验数据,对二次多项式模型(the Quadratic PolynoMial(QP)model)、灰色模型(the Gray system Model(GM(1,1)))、时间序列模型(the ARIMA time series model)、卡尔曼滤波模型(KF)、小波神经网...采用GNSS数据中心提供GPS/BDS钟差数据作为实验数据,对二次多项式模型(the Quadratic PolynoMial(QP)model)、灰色模型(the Gray system Model(GM(1,1)))、时间序列模型(the ARIMA time series model)、卡尔曼滤波模型(KF)、小波神经网络模型(Wavelet Neural Network(WNN))五种模型钟差短期预报的效果进行分析和比较,总结了各模型预报钟差的优点与不足。展开更多
目的比较各儿童医院医院感染发生率的差异,并对前期自回归滑动平均混合(autoregressive integrated moving average model,ARIMA)时间序列模型进行进一步的验证。方法收集全国范围内5家三级甲等儿童医院(贵阳市妇幼保健院、河北省儿童...目的比较各儿童医院医院感染发生率的差异,并对前期自回归滑动平均混合(autoregressive integrated moving average model,ARIMA)时间序列模型进行进一步的验证。方法收集全国范围内5家三级甲等儿童医院(贵阳市妇幼保健院、河北省儿童医院、青海省妇女儿童医院、郑州市儿童医院、安徽省儿童医院)2013年1月-2016年12月4年间医院感染发生率数据,应用前期安徽省儿童医院数据拟合得到的ARIMA(0,1,1)标准模型,对各个医院感染数据进行标准模型的拟合,比较各个模型的信息准则参数,判断前期标准模型对其他医院是否适用;同时以各医院汇总后的医院感染发生率数据作为验证样本,进一步评估标准模型的可行性。结果 ARIMA(0,1,1)时间序列模型适用于文中5家儿童医院医院感染率的模型拟合,模型信息量准则参数如最小信息量准则(AIC)、贝叶斯信息准则(BIC)值均比前期标准模型小。数据合并后使用ARIMA(0,1,1)模型进行拟合,模型残差序列的Ljung-Box统计量Q=14.28,差异无统计学意义(P=0.578),提示残差为白噪声序列,模型拟合良好;医院感染率实际值与预测值的平均绝对百分误差值(MAPE)为11.6,实际值均在预测值95%可信区间内,未见超出点。结论ARIMA(0,1,1)时间序列模型能较好的拟合儿童医院感染率,具有预测住院患儿医院感染发生情况的实际价值。展开更多
文摘采用GNSS数据中心提供GPS/BDS钟差数据作为实验数据,对二次多项式模型(the Quadratic PolynoMial(QP)model)、灰色模型(the Gray system Model(GM(1,1)))、时间序列模型(the ARIMA time series model)、卡尔曼滤波模型(KF)、小波神经网络模型(Wavelet Neural Network(WNN))五种模型钟差短期预报的效果进行分析和比较,总结了各模型预报钟差的优点与不足。
