XiaoMi-AI文件搜索系统
World File Search Systemarimax
使用Arimax模型探索环境指标和预测流感发病率的影响
流感是一种普遍存在的呼吸道感染，每年对全球数百万人的健康产生重大影响，导致严重的发病率和偶尔死亡（1）。尽管像其他呼吸道感染一样，流感在冬季和春季通常最普遍，但最近的报道阐明了夏季流感病例的引起兴趣（2）。这种新兴趋势对卫生当局和流感监视工作提出了新的挑战。流感的发作和传播受许多因素的影响，包括空气污染物（3）和气象因素等环境指标（4）。因此，获得对流感率的准确预测并对影响其因素的彻底理解的准确预测至关重要。
Arimax模型，以预测巴西半干旱地区降雨不稳定性下的谷物产量
摘要 - Ceará的状态在巴西半干旱地区的大部分地区。最初，该研究将CEARá的年降雨分为6个时期：非常多雨，多雨，正常，正常干旱，干旱和干旱。此细分基于1901年至2020年之间的年度降雨量。研究估计该期间该州的年降雨量的平均降雨量和不稳定，以及估计降雨分割的时期的平均降雨量和降雨量。随后，研究开发了针对收获区域，收益率，生产价值和平均年平均谷物价格（在1947年至2020年）（可用年份）之间的预测模型。进行这些预测，研究使用了Arimax模型，该模型是盒子模型的扩展，并添加了外源变量。假设该变量会影响这些预测，则模型中包含的外源变量是1947年至2020年之间观察到的年降雨量。结果表明，该州的降雨量具有很高的不稳定性，并且从统计的角度来看，调整后的模型被证明是简约而强大的。
预测季节性（S2S）时间尺度的全球火灾排放
气体和气溶胶的抽象火排放会改变大气组成，并对气候，生态系统功能和人类健康产生重大影响。在建立景观中，温暖的气候和人类的扩张加剧了影响的影响，并呼吁更有效的管理工具。在这里，我们开发了一个全球预测系统，该系统使用过去的数据和气候变量预测每月排放，以1到6个月的时间为1到6个月。使用来自全球火灾排放数据库（GFED）的每月发射作为预测目标，我们将拟合一个统计时间序列模型，即具有外源变量（ARIMAX）的自回归积分移动平均模型，超过1,300个不同的区域。然后使用优化的参数预测未来排放。预测系统考虑了有关区域季节性季节性，长期趋势，最新观察以及代表大规模气候变化和当地风险天气的气候驱动因素的信息。我们通过预测因子和预测提前时间的不同组合对系统的预测技能进行了验证。参考模型将内源性和外源性预测因子与1个月的预测提前时间相结合，解释了全局发射异常的可变性的52％，大大超过了在预测期间假定持续排放的参考模型的性能。该系统还成功地解决了具有显着活动的区域中的详细空间模式。普通语言摘要全球火风险预计将来会增加，并且需要有效的预测和管理工具。这项研究弥合了近现场预测的努力与季节性前景的努力之间的差距，并代表了建立全球运营，烟雾和碳循环预测系统的一步。在这里，我们开发了一个统计预测系统，该系统可以预测1到6个月的销售时间的全球发射。建模系统认识到许多地区的未来活动与前几个月以及气候变量有关。通过比较预测的结果与观察结果，我们表明我们的建模系统在繁殖了发射的时间和空间变异性方面表现出色。我们认为，该系统可以集成到全球运营，烟雾和碳预测系统中，以更好地预测季节性至季节性时间尺度上的高火和低火的时期。