改进的ARIMA乘积季节模型的研究

作者：刘艳菲; 宋耀莲^*

来源：信息技术, 2018, 42(12): 9-16.

DOI：10.13274/j.cnki.hdzj.2018.12.003

• 一阶滞后滤波
• 序列重构
• ARIMA乘积季节模型
• 预测模型
• 疾病预测

在上呼吸道感染预测问题的研究中,大多研究还停留在数据的直接分析层面。为了提高上呼吸道感染预测精度,文中提出应用一阶滞后滤波的序列重构的方法,并结合AR ()和MA ()建立模型,比较其与传统ARIMA模型预测精度。实验结果表明,ARIMA(0,1,1)(0,1,1)12模型拟合的均方根误差(RMSE)为0. 8412%,对2017年1～5月预测值的年平均相对误差为1. 1951%;改进的ARIMA (1,1,0)(0,1,0)12模型拟合的均方根误差(RMSE)为0. 6801%,对2017年1～5月预测值的年平均相对误差为0. 5336%,有更好的模型适应性和预测精度。

• 出版日期2018
• 单位自动化学院; 昆明理工大学