论文摘要
目的:揭示乌鲁木齐市血液中心各型悬浮红细胞历年临床用量的分布规律,应用时间序列法分析和预测其动态发展趋势,建立预测模型,比较模型的应用效果并做出定量预测。方法:根据乌鲁木齐市血液中心提供的2004年9月至2008年12月的各型悬浮红细胞临床用量绘制时间序列图,应用X-11季节调整模型、ARIMA模型和趋势季节模型对其进行分析和定量预测,用平均相对误差来评价三种方法的拟合度。结果:1、各型悬浮红细胞临床用量呈逐年递增趋势,并且3、7、8、11、12月份的需求量相对较大。2、应用X-11季节调整方法、ARIMA （0,1,1）模型法和趋势季节模型法建立了预测模型。3、X-11季节调整模型预测平均相对误差为0.123;ARIMA （0,1,1）模型平均相对误差为0.320;趋势季节模型平均相对误差为0.195。可见X-11季节调整方法较其它两种方法预测效果良好。4、应用较优模型X-11季节调整模型预测2009年各型悬浮红细胞临床用量至少为:A型20700.02U;B型20935.93 U;O型22371.1 U;AB型6954.18 U。结论:1、各型悬浮红细胞临床用量逐年增加;2、应用较优模型对2009年的需求量作出定量预测,预测效果良好,切实可行;3、今后还需不断纳入新的数据,重新调整预测模型参数,确保模型的准确性和提高预测的精度。
论文目录
相关论文文献
- [1].基于季节调整模型的黄山旅客量发展状况分析[J]. 嘉应学院学报 2018(08)
- [2].时间序列季节调整方法在气象要素预测中的应用分析[J]. 现代农业科技 2009(23)
- [3].基于广义最小二乘法的趋势季节调整模型的构建[J]. 统计与决策 2018(05)
- [4].环比指标季节调整正流行[J]. 数据 2010(08)
- [5].主要国家和地区短期指标环比季节调整及发布概况[J]. 中国统计 2010(06)
- [6].基于季节模型的中国社会消费品零售总额分析[J]. 河北企业 2019(01)
- [7].基于季节调整的洞庭湖水环境承载力影响分析[J]. 人民长江 2009(14)
- [8].浙江省存贷比的季节调整与分析[J]. 北方经济 2011(06)
- [9].季节调整本底线与SARS对我国铁路客运量的影响[J]. 铁道学报 2011(09)
- [10].考虑移动假日效应的中国月度数据的季节调整[J]. 统计与决策 2018(16)
- [11].基于频域的X-13ARIMA-SEATS季节调整过滤器诊断[J]. 统计研究 2018(10)
- [12].季节调整技术在CPI数据中的运用[J]. 中国统计 2009(07)
- [13].社会消费品零售总额[J]. 中国经济景气月报 2020(09)
- [14].国民经济数据的季节性影响与调整[J]. 商业时代 2009(02)
- [15].数据[J]. 浙江经济 2017(06)
- [16].备受青睐的GDP季节调整[J]. 数据 2009(12)
- [17].对GDP进行季节调整的方法[J]. 中国统计 2009(05)
- [18].季节调整后的蔬菜价格与CPI之间关系研究[J]. 广东农业科学 2014(17)
- [19].基于季节调整和Holt-Winters的月度负荷预测方法[J]. 中国管理科学 2019(03)
- [20].基于季节调整和回归分析法的月售电量预测方法研究[J]. 经济研究导刊 2018(19)
- [21].国内大中专院校专利申请量的季节调整模型及预测[J]. 河南科技学院学报(自然科学版) 2008(03)
- [22].季节调整中的模型不确定性问题[J]. 数量经济研究 2017(01)
- [23].季节调整后的蔬菜价格波动——兼论货币供应量的影响[J]. 统计与信息论坛 2012(03)
- [24].基于X-12季节调整法的货币供应量预测[J]. 产业与科技论坛 2018(03)
- [25].我国农业总产值与经济增长关系的实证分析[J]. 现代经济信息 2016(07)
- [26].本期导读[J]. 统计与决策 2011(02)
- [27].基于X-13A-S季节调整方法的铁路客运量预测分析[J]. 桂林理工大学学报 2018(03)
- [28].说明[J]. 中国经济景气月报 2012(05)
- [29].数字[J]. 商周刊 2012(02)
- [30].基于均方根信息滤波状态空间模型的制造业PMI季节调整[J]. 统计与决策 2019(03)