北京市SARS数学模型的建立与拟合

SARS对中国社会的发展产生了重大影响，本人经典的SIR模型为理论基础，以2003年4月21日至6月23日有关SARS的数据为参考资料，着重从教学的角度对SARS疫情进行了分析和拟合。结果表明，SIR模型能近似地描述SARS疫情的发展和变化。     

SARS传播模型的探讨

首先以传统的Logistic模型和SEIR模型分析了SARS传播的一般规律,并以北京地区2003年4月20日到6月23日有关SARS数据为参考资料,对北京地区SARS疫情高峰期和最终感染人数作出估计,由此得到SARS传播服从Logistic模型和SEIR模型,其次,在此基础上分析了两物种间的疾病传播规律,建立了两物种间疾病传播的SEIR模型。     

河北海外旅游客源量的ARIMA模型及应用

在海外旅游客源量预测中引入ARIMA模型分析方法.采用河北省1989至2006年海外旅游人数资料,建立了ARIMA(0,2,1)预测模型,并预测了2007至2009年的海外游客人数.与2007年河北海外旅游人数的实际数据比较,相对误差仅为2.8%,说明该模型在海外旅游客源量短期预测中的应用是可行、有效的.     

基于ARMA-GARCH模型的北京碳排放权市场价格分析

作为我国经济发展迅速的城市之一，北京碳排放权市场的分析将为我国其他城市碳排放权市场的分析提供重要参考，能够为进一步评估我国碳金融市场提供一定的帮助。因此，本文选取了2013年11月8日—2021年6月4日北京碳排放权市场的日收盘价作为研究对象，并将该数据以2020年1月1日为分界线分为新冠疫情前和新冠疫情后两组数据分别进行建模，采用ARMA-GARCH模型对北京碳排放权市场价格进行分析，刻画北京碳排放权市场价格的变动趋势。结果表明：新冠疫情前碳交易市场的日收盘价用ARMA(0,2)-GARCH(1,4)的拟合效果较好，疫情后碳交易市场的日收盘价用ARMA(0,1)-GARCH(1,4)的拟合效果较好。文中根据ARMA(0,1)-GARCH(1,4)模型对北京碳交易市场碳价未来30天的收益率进行了预测。     

旅游预测模型及应用

本文分析了旅游引力模型、多元(逐步)回归模型和时间序列模型在预测旅游人数方面的优缺点.并给出了河北省今后几年国外游客人数及美国游客人数的预测结果.对河北省旅游业的发展提出若干建议.     

基于生态模型的新型冠状病毒肺炎疫情分析

为了研究和解释新型冠状病毒肺炎(COVID-19)疫情的变化趋势,本研究利用生态增长模型对实际数据进行拟合分析.收集COVID-19疫情的相关数据,构建确诊患者例数、治愈患者例数和死亡患者例数3项数值的logistic模型,并预测世界6个区域内的疫情发展趋势.截至2020年4月18日,logistic增长曲线的拟合数值...     

山西省新型冠状病毒肺炎疫情发展状况的模型拟合研究

目前,山西省新型冠状病毒肺炎疫情防控工作仍在继续,寻找一个用于拟合新冠疫情发展状况的模型对于今后新冠疫情管控预测及社会政策制定都是有意义的。依据官方数据（2020.1.22-2.20）,构建相应的SIR、SEIR传染病模型。重点是在SEIR传染病模型下,运用MATLAB对疫情状况进行相关分析。模拟山西省新冠肺炎疫情在2月底达到峰值,并预测该疫情将在4月底得到基本控制,与实际时间相差不远,说明该模型用于新冠肺炎的研究是比较合适的。     

桂林市旅游人数的时间序列预测模型

采用一阶自然对数差分和一阶季节差分来数学处理桂林市月旅游人数时间序列的季节性和波动性趋势,并依据1999年1月～2006年8月桂林市月旅游人数数据,建立桂林市旅游人数的时间序列预测模型,并将该模型与实际数据进行拟合和预测,结果表明该模型与实际数据的拟合性好,预测得到的数据与实际数据误差较小,可以实际用来预测未来日旅游人数的基本趋势,为管理和市场决策提供参考.     

ARIMA模型对我国旅游业可持续发展的实证研究

以国内游客人数为研究对象,建立适当模型,分析我国旅游业可持续发展状况。选取1985年至2015年我国国内游客人数为样本,运用Eviews6.0建立ARIMA模型。最终建立ARIMA)1,2,0(模型。经检验,模型拟合效果很好(MAPE=7.363),预测精度极高(99.56%)。ARIMA模型对游客人数的短期预测是合理的,且"十三五"时期国内游客人数呈趋势性增长。     

基于ARMA-GARCH模型的南宁市O3浓度预测研究

为探索采用时间序列模型快速预测臭氧浓度,以南宁市日均O_3浓度数据作为研究对象,收集2017年1月1日至2017年12月31日O_3日均浓度时间序列,构建ARMA-GARCH模型,对2018年1月1日至2018年1月31日O_3日均浓度进行预测。研究结果表明,构建的时间序列模型预测值拟合曲线基本能与实测值保持一致,经检验发现,在拟合曲线峰、谷值及其前后容易出现较大误差,短期预测结果较准确。     

基于ARFIMA模型的内蒙古农林牧渔业总产值研究

根据1947~2011年内蒙古农林牧渔业总产值的数据,运用时间序列分析对数据进行定量分析.以分数阶差分方法代替传统的整数阶差分方法,最大程度地保留了序列的原始信息;通过分数阶差分使数据平稳,经白噪声检验后,用ARFIMA模型进行模型拟合;根据拟合模型对内蒙古农林牧渔业总产值进行预测,结果显示,模型的拟合结果较准确,误差在可控范围之内.     

空调系统能耗分析用散射分离模型

进行建筑物空调系统全年或季节能耗分析，需要太阳总辐射和散射辐射数据，我国大多数地方只有总辐射观测，没有直接辐射或散射辐射观测，因此需要一种估计散射的方法。文章根据北京和成都两地的实测数据，分析了日散射与日总射的关系，分别建立了两地散射系数Kd与总辐射系数Kt的多项式拟合模型，该模型以日总辐射为唯一输入进行日散射估计。经检验，模型有很好的拟合性能，拟合数据与建模数据具有一致的月均值和自相关结构，在比较两模型后认为北京模型可以作为通用模型。     

基于ARMA与BP神经网络模型的产品质量安全风险预测

主要通过对产品伤害人数的预测来表征产品质量安全风险。依据产品伤害人数的时间序列数据,建立较为稳定的ARMA模型和BP神经网络模型对产品伤害人数做出了科学的预测;并对两种预测方法进行了实证结果比较与分析,为管控产品质量安全风险提供方法支持。     

SARS流行预测分析

表面上突如其来的SARS本质上却有极规律的内在发展演化机制，遵从初始缓慢增长、加速、减速和稳定终止四个阶段总体道路，自然和社会生活领域众多事件演化都符合这一规律，因而可以运用广义的Logistic生长模型进行描述。基于先期流行的广东SARS感染病例数据，以及尚未结束的北京、全国2003年SARS流行统计数据，借助于最优化分析技术，运用广义的Logistic生长模型对该事件演化特征参量进行了辨识；在此基础上，又借助于广义生长模型的特例——Gompertz函数进行了演化过程的预测，并与其他生长模型结果进行了比较。研究表明，生长模型模拟结果均与实际数据有很好的一致性，可以用来预测事件的发生演化过程，此次SARS事件堪称生长模型的经典实例。     

COVID-19疫情传播建模分析

当大规模传染性疾病威胁到人类安全时,有效预测其传播趋势是减少疾病对人们伤亡和财产损失的重要措施.该文使用3种方法对2019年新冠肺炎的传播趋势进行建模分析,并以北京市、云南省、江西省为代表预测其传播趋势和确诊人数的峰值.实验结果表明:当使用高阶函数拟合对前期的发展趋势进行建模时,其趋势与真实的疫情最吻合,趋势拟合效果最佳,峰值误差最小.当使用Logistic增长曲线中的S型曲线对前期的发展趋势进行建模时,其趋势与真实的疫情基本吻合,趋势拟合效果次佳,峰值误差次佳.当使用基于动力学传播模型中的SIR模型对前期的发展趋势进行建模时,其趋势与真实的疫情基本吻合,趋势拟合效果在3种方法中最差,峰值误差也最大.     

改进的灰色马尔可夫组合预测模型应用研究

根据灰色预测模型和马尔可夫预测思想,将灰色预测模型结合马尔可夫预测模型,并对组合模型进行了改进,采用递进转移概率矩阵,并结合1998-2007年安徽入境游客人数来预测2008、2009年的入境游客人数;结果表明：采用该改进后灰色马尔可夫的组合模型,可以得到比传统灰色马尔可夫组合预测模型更为准确的数据。     

灰色模型在旅游客源市场预测中的运用

通过对近几年来江苏省海外客源市场日本游客数量的统计数据分析,根据客流量与时间的关系,利用灰色系统理论中一种特殊的线性动态预测模型,建立了旅游人数与旅游时间的GM(1,1)灰色预测模型,探讨了GM(1,1)灰色预测模型在旅游客源市场预测中的应用问题,以期对今后游客数量的预测,合理规划客源市场提供科学的依据.     

山东省新型冠状病毒肺炎疫情流行趋势初步预测

【目的】通过建立传染病模型和计算山东省新型冠状病毒肺炎的基本再生数,预测并分析疫情的高峰期和转折点。评价山东省复工后针对新型冠状病毒肺炎疫情采取的相关干预措施的作用。【方法】依据山东省卫生健康委员会公布的2020年1月23日至3月15日的疫情数据,利用MATLAB建立SEIR模型,预测疫情高峰期,并计算现阶段新型冠状病毒肺炎基本再生数,基于现有数据通过二次函数拟合和指数平滑法对未来基本再生数的变化趋势加以预测,尝试分析复工后防控手段的有效性。【结果】山东省疫情逐渐趋缓,预测结果显示,山东省疫情于2月23日左右出现高峰,3月26日左右迎来转折点,政府面对复工采取的防疫措施取得了相对显著的效果。【结论】山东省目前处于防疫工作的关键时刻,在转折点到来之前要严格做好防疫措施。     

基于改进SEIR模型的新冠肺炎疫情分析与预测

针对新型冠状病毒的潜伏期较长，基于每日发布的新冠疫情数据集，在经典SEIR (Susceptible-Exposed-Infected-Recovered)模型的基础上，考虑了隐性传播人群，并且将确诊人群分为两类(一类感染者具有传染能力；一类感染者由于处于隔离期间，其感染能力可忽略不计),构建了基于改进SEIR的新冠肺炎传播动力学模型。以2021年12月15日到2022年1月13日的西安市疫情数据为依据，拟合得到了改进SEIR模型的动力学参数，对西安市COVID-19疫情进行预测和评估。结果表明，基于改进SEIR传染病动力学模型对疫情的理论估计与西安市疫情的实际情况较为符合，数据可视化和医学隔离等措施对抑制疫情大面积传播有重要作用。     

关于阿里巴巴股票价格的实证研究

基于时间序列分析理论研究基础上,利用SAS统计软件,系统地分析了2010年1月29日至2011年12月16日阿里巴巴港股价格的数据变化规律,拟合滞后变量及时间t模型,从而确定模型并进行预测,最后给出了日、周、月三种不同研究角度下的模型口径及拟合图对比.