简介:针对目前烟草行业市场下滑率高居不下的现状,建立一个市场下滑预警模型尤为重要。鉴于此,运用Logistic回归分析法,最终选出增幅趋势值、增幅波动值为影响自变量,建立某烟草品牌省外地市市场的下滑预警模型。运用该模型,企业可以通过现有增幅趋势值、波动值对未来市场下滑情况做出预测,得到高下滑风险市场名单。提前对这些市场进行策略挽留,以达到降低整体市场下滑率的目的。
简介:目前国内外还没有对不同火险条件下草原火险时空发生概率的研究,而这方面研究对草原火灾管理对策和防火救助应急预案的制定具有重要意义。根据呼伦贝尔草原火灾统计月报表和相关气象、社会经济资料,利用Logistic回归模型建立草原火险预测模型,对草原火险进行了空间上的预测。结果表明,日平均风速、日降水量对草原火险影响较大;以2005年所有火灾案例对草原火险预测模型进行检验,研究表明,该预测方法具有较高的可靠性,可为火灾管理和减灾决策的制定提供指导。
简介:为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。
简介:摘要目的探讨利用自回归滑动平均模型法(ARIMA)对宁波市奉化区人口出生率数据进行预测的可行性。方法利用R3.5.0软件对浙江省宁波市奉化区1983—2013年出生率数据拟合ARIMA模型,对模型参数与残差进行统计学分析,并利用拟合的模型对奉化区2014—2018年的出生率进行预测。结果拟合的模型为ARIMA(0,1,0),模型的残差分析表明残差符合白噪声过程。2014—2018年出生率预测相对误差率最大的年份是2017年为23.40%,相对误差率最小的是2015年为3.25%。结论ARIMA(0,1,0)模型能较好地拟合奉化区出生率的时间变化趋势,可用于未来奉化区出生率的短期预测。
简介:摘要目的比较差分整合移动平均自回归模型(ARIMA)和深度学习模型在吸脂操作数据预测分析方面的应用价值。方法选取2019年1至9月中国医学科学院整形外科医院符合入选标准的行吸脂手术患者,使用基于光学追踪系统和力传感技术的吸脂操作记录系统,采集高年资整形外科医生吸脂手术初始250~400 s的操作数据,包括运动学和力学数据。经预处理后将采集数据分成一个吸脂往复循环为一组的数据。分别使用ARIMA模型和深度学习模型处理分析采集到的数据,建立吸脂操作预测模型。用Matlab 2017软件产生随机数随机抽取30对共计60组吸脂循环数据,计算每对数据的动态时间规整(DTW)值作为检验标准,然后分别计算基于ARIMA模型与深度学习模型的各30组预测数据与实际数据之间的DTW值,与检验标准对比,对2种模型的预测结果进行验证。应用Matlab 2017软件进行统计分析,2组比较用独立样本t检验,P<0.05为差异有统计学意义。结果共入组18例患者,均为女性,年龄23~49岁,平均36.6岁。吸脂部位分别为腹部、大腿、腰部。共获得16 800组吸脂循环数据。模型检验标准DTW值为0.048±0.028。ARIMA模型预测数据与实际数据之间的DTW值为0.660±0.577,与检验标准比较差异有统计学意义(P<0.05)。深度学习模型得出的DTW值为0.052±0.030,与检验标准比较差异无统计学意义(P>0.05)。结论相比ARIMA模型,深度学习模型可以更准确地预测吸脂操作数据,能更好地适应不同情况的数据,并且具有更好的实时性。