检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于时间序列模型的文本数据压缩存储算法

吉林大学学报（工学版） 2023年第7期53卷 2109-2114页

作者：翁渊瀚李南南京航空航天大学经济与管理学院南京211000 南京工业大学理学院南京211800

为了降低文本数据历史数据量,提升文本数据压缩存储效率,提出一种基于时间序列模型的文本数据压缩存储算法。采用小波阈值去噪方法估计并消除文本数据的误差和噪声;从文本数据特征角度,通过细节描述特征,设定特征类型之间的组合和继承关... 详细信息

为了降低文本数据历史数据量,提升文本数据压缩存储效率,提出一种基于时间序列模型的文本数据压缩存储算法。采用小波阈值去噪方法估计并消除文本数据的误差和噪声;从文本数据特征角度,通过细节描述特征,设定特征类型之间的组合和继承关系,组建时间序列模型。将经过预处理的文本数据采用时间序列模型转换为结构近似的二进制编码字节,通过异或操作对结果中的冗余部分进行压缩处理,同时将压缩的数据存储到对应的数据库中,最终完成文本数据压缩存储。仿真实验结果表明,本文算法可以有效提升压缩性能,获取更优的文本数据压缩存储结果。

关键词：时间序列模型文本数据压缩存储算法小波阈值去噪方法非线性函数预处理

在线全文

学校读者我要写书评

暂无评论

时间序列模型对利率互换的分析与预测

中国货币市场 2022年第10期 60-64页

作者：周杨陈沁江苏银行资金营运中心

文章运用时间序列模型对利率互换收益率走势进行研究,深度挖掘利率互换市场所蕴含的趋势、周期特征和事件影响,指出模型对利率互换行情的拟合效果较好,直观表现出行情在各个阶段以及年度内的周期特征。同时,文章对历史数据进行拟合优化... 详细信息

文章运用时间序列模型对利率互换收益率走势进行研究,深度挖掘利率互换市场所蕴含的趋势、周期特征和事件影响,指出模型对利率互换行情的拟合效果较好,直观表现出行情在各个阶段以及年度内的周期特征。同时,文章对历史数据进行拟合优化,并对未来走势进行预测分析。

关键词：利率互换时间序列模型周期特征历史数据未来走势各个阶段预测分析分析与预测

在线全文

学校读者我要写书评

暂无评论

时间序列模型在预测平均住院日的应用

中国病案 2022年第3期23卷 56-61页

作者：玄春艳亓爱杰廉颖山东第一医科大学第二附属医院山东省泰安市271000 泰安市中心医院山东省泰安市271000 山东第一医科大学第一附属医院山东省济南市250000

目的运用时间序列模型对科室平均住院日进行预测,制定考核指标进行绩效管理,以提高指标精细化管理水平。方法选取某三甲综合医院感染科作为试点科室,以2014年1月1日-2017年12月31日共5523例出院患者的月度平均住院日建立ARIMA模型,使... 详细信息

目的运用时间序列模型对科室平均住院日进行预测,制定考核指标进行绩效管理,以提高指标精细化管理水平。方法选取某三甲综合医院感染科作为试点科室,以2014年1月1日-2017年12月31日共5523例出院患者的月度平均住院日建立ARIMA模型,使用2018年平均住院日检验模型,以月为周期,动态调整ARIMA模型,对2019年科室指标进行预测。结果建立ARIMA模型,残差均为白噪声序列,预测值与实际值平均相对误差为9.61%,且预测值均在95%可信区间内。利用该模型对感染科制定考核指标进行绩效考核,2019年平均住院日较2018年下降0.35天,P=0.0109,有统计学意义。结论时间序列模型对平均住院日的拟合预测效果较好,能为科室指标精细化管理提供有效的数据支持,方便医院管理层合理调整管理方式,提升管理水平。

关键词：时间序列模型平均住院日精细化管理绩效考核

时间序列模型分析威海市近50年气温变化特征

在线全文

学校读者我要写书评

暂无评论

南水北调与水利科技 2015年第6期13卷 1051-1055页

作者：王朋朋程杰袁峰赵士伟杨健刘咏 63863部队吉林白城137001

利用时间序列模型,以及趋势分析、小波变换、M-K突变检验等统计学分析方法,分析了威海站1964年-2013年的平均气温、平均最高气温和平均最低气温的年变化、年平均气温的季节变化、时频特点,并对平均气温变化进行了突变检验,发现1964年-2... 详细信息

利用时间序列模型,以及趋势分析、小波变换、M-K突变检验等统计学分析方法,分析了威海站1964年-2013年的平均气温、平均最高气温和平均最低气温的年变化、年平均气温的季节变化、时频特点,并对平均气温变化进行了突变检验,发现1964年-2013年威海市年平均气温呈上升趋势,气温倾向率为0.35℃/(10a);各季节气温倾向率分别为0.427℃/(10a)、0.268℃/(10a)、0.241℃/(10a)和0.287℃/(10a),其中春季(0.427℃/(10a))增温对该市年平均气温变化的贡献最大;春季气温呈现降-升-降-升-降的交替变化,为四季气温变化最明显的季节;年平均气温突变发生在1987年;各个季节在发生突变后均升温趋势显著。

关键词：时间序列模型威海站趋势分析小波变换 M2K突变检验

基于时间序列模型的中国2020—2029年慢性肾病发病和患病情况预测研究

在线全文

学校读者我要写书评

暂无评论

中国慢性病预防与控制 2023年第11期31卷 801-806页

作者：王仕鸿令垚杨子华彭根祺曹汝岱吴树法陈学琴孔丹莉于海兵丁元林广东医科大学公共卫生学院广东省东莞523808

目的了解1990—2019年中国慢性肾病发病和患病情况,并预测2020—2029年的发病率及患病率,为慢性肾病的防控提供参考。方法收集2019年全球疾病负担研究(GBD)数据库中1990—2019年中国慢性肾病发病率和患病率等数据。采用SPSS 25.0分别计... 详细信息

目的了解1990—2019年中国慢性肾病发病和患病情况,并预测2020—2029年的发病率及患病率,为慢性肾病的防控提供参考。方法收集2019年全球疾病负担研究(GBD)数据库中1990—2019年中国慢性肾病发病率和患病率等数据。采用SPSS 25.0分别计算变化率和年估计变化百分比(EAPC)。将1990—2016年数据作为训练集,运用R 4.1.0软件构建自回归移动平均(ARIMA)模型和神经网络自回归(NNAR)模型,并运用MATLAB 7.0软件构建灰色模型(GM)。将2017—2019年数据作为测试集评价模型的预测性能。根据平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(RMSE)最小的原则选出最优模型,并预测中国2020—2029年慢性肾病的发病率和患病率。结果2019年中国慢性肾病标化发病率和标化患病率分别为161.52/10万和8124.75/10万,女性标化发病率和标化患病率均高于男性;≥70岁人群发病率和患病率在各年龄组中最高;10~24岁人群发病率、0~9岁人群患病率在各年龄组中分别最低。1990—2019年中国慢性肾病标化发病率和标化患病率均呈上升趋势(EAPC分别为0.61%和0.28%,P模型预测中国2020—2029年慢性肾病发病率,选择NNAR模型预测患病率。结果显示,2020—2029年中国慢性肾病总体发病率和患病率均呈上升趋势,预计到2029年总体发病率和患病率将分别达到294.88/10万和10989.40/10万。结论1990—2019年中国慢性肾病标化发病率和标化患病率总体呈上升趋势。预计到2029年中国慢性肾病发病率和患病率将不断增长,提示政府及相关卫生部门应加强女性、高龄等重点人群的疾病监测及早期筛查。

关键词：慢性肾病疾病预测时间序列模型

基于EMD和CatBoost算法的改进时间序列模型——以大连市PM预测为例

在线全文

学校读者我要写书评

暂无评论

南京林业大学学报(自然科学版) 2023年

作者：赵凌霄李智扬屈磊磊复旦大学大气与海洋科学系重庆大学土木工程学院大连海洋大学信息工程学院大连海洋大学海洋与土木工程学院

【目的】解决传统PM2.5浓度时序预测的精度较低问题，减少PM2.5时间序列的非线性、高噪声、不平稳与波动性对预测的影响，以更精确的预测PM2.5浓度。【方法】以2014年1月1日至2022年1月31日大连市雾霾天气时PM2.5数据为例，提出了经验... 详细信息

【目的】解决传统PM2.5浓度时序预测的精度较低问题，减少PM2.5时间序列的非线性、高噪声、不平稳与波动性对预测的影响，以更精确的预测PM2.5浓度。【方法】以2014年1月1日至2022年1月31日大连市雾霾天气时PM2.5数据为例，提出了经验模态分解(EMD)、分类提升 (CatBoost)、自回归综合移动平均模型(ARIMA)组合的混合机器学习时间序列模型。并与传统自回归模型(AR)、ARIMA，以及只加入EMD方法后的混合模型进行比较。【结果】混合模型EMD-CatBoost-ARIMA较原始序列均方根误差(RMSE)改进20.76%；平均绝对值误差(MAE)改进17.4%；希尔不等系数(TIC)改进29.17%。【结论】对于高熵值的重构序列，EMD分解方法和CatBoost算法能够显著提升PM2.5时间序列模型的预测性能。相比较传统时间序列模型，EMD-CatBoost-ARIMA模型在PM2.5浓度预测上具有较高性能。

关键词：经验模态分解时间序列模型混合模型算法 PM 浓度预测机器学习

基于时间序列模型的Kafka系统智能化管理方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

高技术通讯 2023年第10期33卷 1047-1059页

作者：周宇泽司鹏搏张延华李萌杨睿哲北京工业大学信息学部北京100124

区块链是分布式的数据存储系统,共识算法为区块链实现安全存储数据提供支撑和保障。Kafka作为共识算法中的一种,其高吞吐速率、低时延的特点受到青睐。但使用Kafka算法的系统接受大量交易时,易产生数据倾斜,即分布式系统的多节点结构中... 详细信息

区块链是分布式的数据存储系统,共识算法为区块链实现安全存储数据提供支撑和保障。Kafka作为共识算法中的一种,其高吞吐速率、低时延的特点受到青睐。但使用Kafka算法的系统接受大量交易时,易产生数据倾斜,即分布式系统的多节点结构中,大量数据集中在少数节点,导致系统资源被占用、性能下降。为解决上述问题,本文提出基于时间序列模型长短期记忆网络(LSTM)的智能优化方法。通过学习过往生产者接收到的交易量,预测下一时刻面临的交易量,动态调整生产者节点数量,减少数据集中在少数节点的情况。实验结果显示,本文方法可以将Kafka系统时延降低2~3倍,吞吐速率提升2~3倍,与优化前相比系统效率提升52.62%,比2种传统优化方法分别提升近3%和40%,能耗仅小幅提升,系统使用情况保持更加合理。

关键词：区块链 Kafka 长短期记忆网络(LSTM) 时间序列模型

基于DeepAR神经网络时间序列模型的电能消耗预测

在线全文

学校读者我要写书评

暂无评论

江苏大学学报（自然科学版） 2022年第5期43卷 599-603页

作者：邱禧荷茹亚军陈斌郭韵上海工程技术大学电子电气工程学院上海201620 上海理工大学机械工程学院上海200093 上海工程技术大学机械与汽车工程学院上海201620

为实现对电能消耗进行准确预测,基于美国PJM公司数据集,采用基于深度自回归循环网络(deep autoregressive recurrent networks,Deep AR)时间序列模型,对Commonwealth Edison公司未来某12 h区间电能消耗进行预测.该模型基于长短期记忆网... 详细信息

为实现对电能消耗进行准确预测,基于美国PJM公司数据集,采用基于深度自回归循环网络(deep autoregressive recurrent networks,Deep AR)时间序列模型,对Commonwealth Edison公司未来某12 h区间电能消耗进行预测.该模型基于长短期记忆网络(long short term memory network,LSTM)得到数据的分布参数,最后在高斯分布中进行采样,从而得到预测值.采用平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为预测短期电能消耗评价指标,并与差分整合移动平均自回归模型(autoregressive integrated moving average,ARIMA)算法模型和Prophet算法模型进行比较.结果表明:Deep AR算法模型的MAE、RMSE和MAPE分别为1070.01、1279.31和6.12%,预测准确率较高;该算法不仅能够预测未来一段时间的电能消耗,还能预测其概率分布,进一步刻画事件发生的全局性.

关键词：时间序列模型电能消耗预测长短期记忆网络 Deep AR 概率分布

时间序列模型在流感症状监测信息分析中的应用

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

中华流行病学杂志 2009年第7期30卷 752-753页

作者：郭建花何义芳周吉坤庞志钊马志辉刘立庞有石家庄市疾病预防控制中心流行病防治所 050011 河北医科大学张家口市张北县疾病预防控制中心

通过对石家庄市流感流行规律分析^[1,2]，以实际效果和统计学原理论证了以药房药物销售量为代表的流感症状监测信息能够有效的服务于流感监测，症状监测与传统监测相结合是流感监测体系建设发展的目标^[3,4]。为了进一步了解流感症状监... 详细信息

通过对石家庄市流感流行规律分析^[1,2]，以实际效果和统计学原理论证了以药房药物销售量为代表的流感症状监测信息能够有效的服务于流感监测，症状监测与传统监测相结合是流感监测体系建设发展的目标^[3,4]。为了进一步了解流感症状监测信息，对2004年11月至2008年11月的门诊就诊量、药物销售量和学校缺勤率分别构建时间序列模型。

关键词：流感监测时间序列模型