公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

时间序列中随机型缺失数据的填补及预测效果比较被引量：5: 2012年; 目的本文旨在通过填补时间序列资料中的随机型缺失数据并拟合ARIMA模型,比较三种填补方法的填补和预测效果。方法利用SAS产生平稳、有周期性的时间序列并构造不同比例的随机型缺失,分别采用周期性填补法、均值填补法和三次样条函数插值法进行缺失数据的填补,并对填补后序列拟合ARIMA模型进行序列预测。采用配对t检验对三种填补方法的填补误差和序列预测误差进行比较。结果三种填补方法的填补值与真值的差异均无统计学意义(P>0.05);随着缺失比例的增大,周期性填补法的填补误差和序列预测误差均小于三次样条函数插值法和均值填补法。结论周期性填补法对于含有确切周期信息的时间序列缺失数据,填补效果较优。; 李济宾张熙张晋昕; 关键词：缺失数据时间序列三次样条

时间序列中移动假日效应调整方法的比较: 2010年; 目的本文旨在利用模拟数据对观测值比例因子模型和天数比例因子模型的移动假日效应调整效果进行比较。方法利用SAS产生含移动假日效应的序列,分别采用两种比例因子模型进行移动假日效应调整,采用AICC和绝对预测误差进行两模型拟合效果和预测效果的比较。结果当移动假日效应强度小时,两比例因子模型的移动假日效应调整效果相当;当移动假日效应强度大时,观测值比例因子模型的拟合效果和预测效果均优于天数比例因子模型。结论序列随机波动水平高、移动假日效应强度大时,观测值比例因子模型的移动假日效应调整效果较优。; 薛允莲张晋昕张熙刘贵浩

时间序列分析方法及其进展被引量：8: 2015年; 在医学科研工作中,按某种（相等或不相等的）时间间隔对客观事物进行动态观察,由于随机因素的影响,各次观察的指标X_1,X_2,X_3,…,X_i,…都是随机变量,这种按时间顺序排列的一系列随机变量（或其观测值）称为时间序列。; 赵志周倩张晋昕; 关键词：时间序列流感样病例 AUTOREGRESSIVE

时间序列的异常点诊断方法被引量：6: 2011年; 时间序列是指按照时间先后顺序排列的各个观测记录的有序集合,广泛存在于商业、经济、工程、社会科学和医学等领域。随着时间的推移,时间序列通常包含大量的信息,是建模和预测的主要依据。对时间序列进行分析,可以揭示事物运动。; 刘明华张晋昕; 关键词：时间序列社会科学

含有周期性的时间序列中连续型缺失数据的填补方法被引量：3: 2012年; 目的用模拟研究的方法,对含周期性的时间序列数据中的连续型缺失数据进行填补,比较基于周期信息的时间序列缺失值填补法(简称周期性填补法)和spline插值填补法对连续型缺失数据的填补效果。方法分别应用模拟时间序列数据和实际时间序列数据模拟连续型缺失,比较两种方法在不同连续缺失个数下的缺失值填补效果。采用NRMSE和RMSE量化填补的误差。结果除连续型缺失长度为10和平,随着连续缺失个数的增加,周期性填补法的填补误均小于spline插值填补法。周期性填补方法的填补误差在5～30的连续缺失范围内无明显波动,始终保持在一个较低的水平;而spline填补值的误差随着缺失个数的增加明显增高。结论对于含有确切周期性的时间序列,周期性填补方法对连续型缺失数据的填补效果相对于spline填补更好,填补误差稳定,并且不随连续缺失长度的增加而有较大的变化。; 张熙李济宾张晋昕; 关键词：时间序列

含有周期性的时间序列中随机型缺失数据的填补方法被引量：2: 2012年; 目的用模拟研究的方法,对含周期性的时间序列数据中随机型缺失数据进行填补,比较基于周期信息的时间序列缺失值填补法(简称周期性填补法)和spline插值填补法对缺失数据的填补效果。方法利用SAS模拟产生平稳、有周期性的时间序列数据并构造随机型缺失。分别比较相同序列长度不同缺失比例和相同缺失比例不同序列长度下,两种方法的缺失值填补效果。采用NRMSE和RMSE量化填补的误差。结果相同序列长度下,随着缺失比例的增加,两种填补方法的填补误差均增加,除缺失比例为30%的RMSE在两种方法间的差异无统计学意义外,周期性填补法的NRMSE和RMSE均小于spline填补法(P<0.05)。相同缺失比例下,序列长度较短时,两种填补方法的差异无统计学意义;序列长度较长时,周期性填补法的填补效果优于spline填补法。结论总体上,周期性填补法对含有确切周期性的时间序列中缺失数据的填补效果较好。; 张熙李济宾张晋昕; 关键词：时间序列缺失数据

医院住院人数序列的春节效应调整被引量：4: 2010年; 目的本文以医院住院人数序列为例阐述春节效应调整的方法。方法根据每段效应期内落入某月份的天数占该段效应期总天数的比例确定春节效应回归因子,采用regARIMA模型进行春节效应的调整。结果调整后序列的年度均值近似,频域消除了年度周期峰值且其他周期基本不变,调整后序列的预测效果明显优于调整前序列。结论采用regARIMA模型进行春节效应调整是必要的,其调整效果令人满意。; 薛允莲张晋昕刘贵浩陈秋霞凌秋英; 关键词：春节效应

全选清除导出

共1页<1>

国家自然科学基金(30872182)