朱素玲
- 作品数：12 被引量：30H指数：4
- 供职机构：兰州大学公共卫生学院更多>>
- 发文基金：国家社会科学基金中央高校基本科研业务费专项资金教育部人文社会科学研究基金更多>>
- 相关领域：医药卫生理学经济管理文化科学更多>>
- 自适应AFTER组合预测方法研究
- 2014年
- 文章介绍了两种组合预测方法,分别是基于均方误差损失的S-AFTER和基于平均绝对误差损失的L1-AFTER。AFTER方法的目的是使预测结果趋于最优预测模型的结果,因此称之为自适应AFTER组合预测模型;L1-AFTER方法有效的解决了组合预测中的孤立点(outlier)问题,并通过实证分析说明了自适应AF-TER方法的有效性。
- 朱素玲
- 关键词：AFTER
- “医学统计学”思政元素的挖掘被引量：1
- 2022年
- 文章主要论述了如何挖掘“医学统计学”思政元素,包括在浩瀚的医学统计学史中寻找科技名人的光辉事迹,发挥示范引领作用;在抽象概念中融入求真务实、诚信分析的理念;从正态分布特征中深刻体会社会发展不同阶段政策或举措的重要内涵;等等。
- 高文龙刘小宁任晓卫李娟生朱素玲石彦军申希平
- 关键词：人文素养
- 组合预测中单项模型选择研究及其权重系数优化
- 组合预测模型是由Bates和Granger提出的一种全面利用各种预测方法提供的信息的综合模型。经过四十多年的研究，组合预测理论已取得了很大的进展。研究结果表明，组合预测确实能提供比单项模型更稳定、更可靠的预测结果，因此研...
- 朱素玲
- 关键词：组合预测混沌粒子群优化算法
- 文献传递
- 基于CEEMD-GWO-SVR集成模型的病毒性肝炎流行趋势预测研究被引量：1
- 2022年
- 目的为病毒性肝炎流行趋势分析建立可靠的CEEMD-GWO-SVR集成预测方法。方法基于分解集成思想,首先利用CEEMD分别将甲型肝炎、乙型肝炎、戊型肝炎发病数的原始时间序列分解为一系列本模特征函数,然后利用GWO-SVR对每个本模特征函数建模,最后集成各本模特征函数的预测得到最终结果。结果CEEMD-GWO-SVR比GWO-SVR、SARIMA的预测精度提高了2%~8%,其中甲型肝炎的MAPE分别降低了5.68%和7.06%,乙型肝炎降低了2.19%和4.34%,戊型肝炎降低了6.14%和4.59%。假设检验的结果也证明了CEEMD-GWO-SVR的预测与实际序列相关性更强。结论CEEMD-GWO-SVR具有较高的预测精度,可以为病毒性肝炎流行趋势分析提供可靠的预测方法。
- 杨慧魏麟胡晓斌朱素玲
- 关键词：病毒性肝炎
- 贝叶斯log—binomial回归方法评估患病率比的研究被引量：5
- 2017年
- 探讨贝叶斯log-binomial回归估计患病率比的方法及应用。以看护人识别腹泻危险症状与婴幼儿腹泻求医关系为实例，利用Openbugs软件拟合贝叶斯log-binomial回归模型估计看护人识别腹泻危险症状与婴幼儿腹泻求医关系的患病率比（prevalenceratio，PR）。看护人能识别腹泻危险症状可提高大约13％的求医概率。贝叶斯log-binomial回归3个模型均收敛，估计的PR值（95％C1）分别为1．130（1．005～1．265）、1．128（1．001—1．264）、1．132（1．004—1．267）；常规log—binomial回归模型1和模型2收敛，估计的PR值（95％CI）分别为1．130（1．055～1．206）和1．126（1．051～1．203），但模型3不收敛，用复制方法估计PR值（95％CI）为1．125（1．051～1．200）。贝叶斯log-binomial回归3个模型PR的点估计和区间估计虽与常规log-binomial回归稍有差异，但整体一致性较好。贝叶斯log—binomial回归能有效地估计PR，模型不收敛问题少，与常规log—binomial回归相比在应用上更有优势。
- 高文龙林和刘小宁任晓卫李娟生申希平朱素玲
- 关键词：贝叶斯定理
- 变量选择偏离对预测的影响研究被引量：1
- 2016年
- 模型选择目的可以分为两类:一类是变量选择,另一类是预测分析。文章系统地研究了两种目的异同和建模时要注意的问题,提出了变量选择偏离的概念及其与预测的关系。
- 朱素玲李文婷刘秀英
- 模型选择与模型平均研究
- 近年来,随着高维问题研究的深入,模型选择的重要性更加凸显,但是因为模型选择存在不确定性,所以根据所选择的“最优模型”进行预测带来的风险就变的不容忽视,因此降低模型选择的不确定性和提高预测精度就成为统计学界的研究热点.模型...
- 朱素玲
- 关键词：时间序列预测
- 甘肃省麻风病患病率趋势预测被引量：5
- 2016年
- 目的预测甘肃省麻风病未来的患病率趋势。方法利用2012—2014年统计整理的甘肃省麻风病患病率历史数据,建立灰色模型GM(1,1)预测未来的患病率。结果根据2005—2014年的数据可以得出GM(1,1)的检验结果为c=0.292 1和P=1,所建立GM(1,1)属于一级,预测到2015—2017年甘肃省麻风病患病率为0.004 6/万、0.004 2/万和0.003 9/万;在2015—2017年预测结果的基础上重新建立GM(1,1)模型,检验结果为c=0.090 1和P=1,所建立GM(1,1)也属于一级,预测到2018—2021年甘肃省麻风病患病率为0.003 4/万、0.003 1/万、0.002 9/万和0.002 6/万。结论灰色模型可有效地短期预测麻风病的患病率。
- 边境李志诚冯淑梅格鹏飞张宏茂冯福勤伏旭东何炯朱素玲
- 关键词：麻风病患病率
- 基于数据预处理和支持向量回归的PM<sub>2.5</sub>、NO<sub>2</sub>和SO<sub>2</sub>组合预测研究
- 2020年
- 由于空气污染能够引起多种呼吸道非传染性疾病,甚至造成生命质量受损或者过早死亡,所以空气污染已经成为全球死亡人数增加的第二大原因,因此,制定合理且有效的空气污染治理措施已经迫在眉睫。预测在空气污染预警过程中扮演着重要的角色,准确且科学的预测能够帮助人们有效规避空气污染的危害,因此,提高预测的精度与科学性也成为众多学者关心的问题之一。本研究为了提高空气污染预测的准确性,采用了数据预处理互补集合经验模式分解(complementary ensemble empirical mode decomposition, CEEMD)技术、支持向量回归(support vector regression, SVR)、广义回归神经网络(general regression neural network, GRNN)和粒子群优化(particle swarm optimization, PSO)算法建立组合模型。通过PM2.5、NO2和SO2时间序列数据检验建立的组合预测模型的有效性,根据平均绝对百分比误差(mean absolute percentage error, MAPE)发现:组合预测模型能够提高PM2.5、NO2和SO2指标的预测精度,如西安市的SO2指标,最优单项模型的MAPE值为6.13%,而组合模型的MAPE值为5.86%。总之,组合预测模型能够为空气污染治理提供更准确的预测信息,为空气污染的防控提供理论支持。
- 方敏魏麟马晶李元林袁艳崔旭东施岱瑜朱素玲
- 关键词：组合预测支持向量回归
