本文主要研究内容
作者周墨钦（2019）在《时间序列数据中的贝叶斯分析方法研究》一文中研究指出：随着计算技术和性能的发展,贝叶斯统计推断得到越来越广泛的关注。其已经成功应用到社会经济、公共服务建设等领域,作为预测和分析的研究工具。本研究致力于研究时间序列数据中的贝叶斯分析方法,并依托于实际问题,从时间序列数据中挖掘有用信息,建立贝叶斯统计模型,从而进行预测。主要内容如下:第一,在公共卫生领域,对食源性疾病中的延迟就诊问题,建立贝叶斯统计模型,对每天真实发病数进行实时预测。其中,用负二项分布拟合每天真实发病人数,用广义狄利克雷分布的共轭先验拟合时齐性假设下的(病人)延迟就诊分布的右截断特征,最后,通过概率排名得分(ranking probability score)等评价准则进行模型评估。从结果上看,所建立的基于延迟调整的贝叶斯层次模型能通过预测疾病的每日真实患病量,提供关于疾病趋势的每日最新信息,缩短了预测周期,提高了预测时效性和精度。第二,在通信领域,对无线网络基站中的流量问题,建立贝叶斯流量模型,进行流量和用户量的实时预测。其中,我们对具有短期稳定性的用户行为特征建立带有一阶自回归的泊松回归模型,对用户行为和流量负载之间的互动关系建立非齐性的线性模型。实验结果表明,我们提出的贝叶斯流量模型可以有效地捕捉这些特征,不仅具有更高的预测精度,而且具有更高的可解释性和更高效的计算性能。此外,我们进一步将贝叶斯流量模型估计的参数,作为K-means聚类算法的特征输入,通过计算各基站在参数空间上的欧式距离来揭示基站之间隐藏的空间关系,将具有高度相似性的基站聚集到同一类别中;最后,将聚类的结果与真实场景标签进行分析,场景识别的准确率为75%。
Abstract
sui zhao ji suan ji shu he xing neng de fa zhan ,bei xie si tong ji tui duan de dao yue lai yue an fan de guan zhu 。ji yi jing cheng gong ying yong dao she hui jing ji 、gong gong fu wu jian she deng ling yu ,zuo wei yu ce he fen xi de yan jiu gong ju 。ben yan jiu zhi li yu yan jiu shi jian xu lie shu ju zhong de bei xie si fen xi fang fa ,bing yi tuo yu shi ji wen ti ,cong shi jian xu lie shu ju zhong wa jue you yong xin xi ,jian li bei xie si tong ji mo xing ,cong er jin hang yu ce 。zhu yao nei rong ru xia :di yi ,zai gong gong wei sheng ling yu ,dui shi yuan xing ji bing zhong de yan chi jiu zhen wen ti ,jian li bei xie si tong ji mo xing ,dui mei tian zhen shi fa bing shu jin hang shi shi yu ce 。ji zhong ,yong fu er xiang fen bu ni ge mei tian zhen shi fa bing ren shu ,yong an yi di li ke lei fen bu de gong e xian yan ni ge shi ji xing jia she xia de (bing ren )yan chi jiu zhen fen bu de you jie duan te zheng ,zui hou ,tong guo gai lv pai ming de fen (ranking probability score)deng ping jia zhun ze jin hang mo xing ping gu 。cong jie guo shang kan ,suo jian li de ji yu yan chi diao zheng de bei xie si ceng ci mo xing neng tong guo yu ce ji bing de mei ri zhen shi huan bing liang ,di gong guan yu ji bing qu shi de mei ri zui xin xin xi ,su duan le yu ce zhou ji ,di gao le yu ce shi xiao xing he jing du 。di er ,zai tong xin ling yu ,dui mo xian wang lao ji zhan zhong de liu liang wen ti ,jian li bei xie si liu liang mo xing ,jin hang liu liang he yong hu liang de shi shi yu ce 。ji zhong ,wo men dui ju you duan ji wen ding xing de yong hu hang wei te zheng jian li dai you yi jie zi hui gui de bo song hui gui mo xing ,dui yong hu hang wei he liu liang fu zai zhi jian de hu dong guan ji jian li fei ji xing de xian xing mo xing 。shi yan jie guo biao ming ,wo men di chu de bei xie si liu liang mo xing ke yi you xiao de bu zhuo zhe xie te zheng ,bu jin ju you geng gao de yu ce jing du ,er ju ju you geng gao de ke jie shi xing he geng gao xiao de ji suan xing neng 。ci wai ,wo men jin yi bu jiang bei xie si liu liang mo xing gu ji de can shu ,zuo wei K-meansju lei suan fa de te zheng shu ru ,tong guo ji suan ge ji zhan zai can shu kong jian shang de ou shi ju li lai jie shi ji zhan zhi jian yin cang de kong jian guan ji ,jiang ju you gao du xiang shi xing de ji zhan ju ji dao tong yi lei bie zhong ;zui hou ,jiang ju lei de jie guo yu zhen shi chang jing biao qian jin hang fen xi ,chang jing shi bie de zhun que lv wei 75%。
论文参考文献
论文详细介绍
论文作者分别是来自北京邮电大学的周墨钦，发表于刊物北京邮电大学2019-07-19论文，是一篇关于时间序列分析论文,贝叶斯分析论文,统计推断论文,北京邮电大学2019-07-19论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自北京邮电大学2019-07-19论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：时间序列分析论文; 贝叶斯分析论文; 统计推断论文; 北京邮电大学2019-07-19论文;