Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phân tích và dự đoán số lượng ca COVID-19 được xác nhận tại Trung Quốc với mô hình chuỗi thời gian không chắc chắn
Tóm tắt
Bài báo này trình bày một mô hình chuỗi thời gian không chắc chắn để phân tích và dự đoán sự phát triển của số ca COVID-19 được xác nhận tại Trung Quốc, loại trừ các ca nhập khẩu. So với các kết quả của mô hình chuỗi thời gian cổ điển, mô hình chuỗi thời gian không chắc chắn có thể mô tả tốt hơn về dịch COVID-19 bằng cách sử dụng kiểm định giả thuyết không chắc chắn để loại bỏ các giá trị ngoại lai. Sự cải tiến này được phản ánh trong hai quan sát. Một là phương sai ước lượng của yếu tố nhiễu trong mô hình chuỗi thời gian không chắc chắn phù hợp và chấp nhận được hơn so với mô hình chuỗi thời gian cổ điển, và thứ hai là yếu tố nhiễu của mô hình chuỗi thời gian cổ điển không thể được coi là một biến ngẫu nhiên mà là một biến không chắc chắn.
Từ khóa
#COVID-19 #chuỗi thời gian không chắc chắn #phân tích dự đoán #mô hình thống kêTài liệu tham khảo
Chen, D. (2020). Tukeys biweight estimation for uncertain regression model with imprecise observations. Soft Computing,. https://doi.org/10.1007/s00500-020-04973-x.
Fang, L., & Hong, Y. (2020). Uncertain revised regression analysis with responses of logarithmic, square root and reciprocal transformations. Soft Computing, 24(4), 2655–2670.
Hu, Z., & Gao, J. (2020). Uncertain Gompertz regression model with imprecise observations. Soft Computing, 24(4), 2543–2549.
Lio, W., & Liu, B. (2018). Residual and confidence interval for uncertain regression model with imprecise observations. Journal Intelligent & Fuzzy Systems, 35(2), 2573–2583.
Lio, W., & Liu, B. (2020). Uncertain maximum likelihood estimation with application to uncertain regression analysis. Soft Computing, 24, 9351–9360.
Liu, Z. (2020). Uncertain growth model for the cumulative number of COVID-19 infections in China. Fuzzy Optimization and Decision Making. https://doi.org/10.1007/s10700-020-09340-x.
Liu, Z., & Jia, L. (2020). Cross-validation for the uncertain Chapman–Richards growth model with imprecise observations. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems.
Liu, B. (2007). Uncertainty theory (2nd ed.). Berlin: Springer.
Liu, B. (2009). Some research problems in uncertainty theory. Journal of Uncertain System, 3(1), 3–10.
Liu, B. (2019a). Uncertain urn problems and Ellsberg experiment. Soft Computing, 23, 6579–6584.
Liu, S. (2019b). Leave-\(p\)-out cross validation test for uncertain Verhulst-Pearl model with imprecise observations. IEEE Access, 7, 131705–131709.
Liu, Z., & Yang, X. (2020a). Cross validation for uncertain autoregressive model. Communications in Statistics-Simulation and Computation,. https://doi.org/10.1080/03610918.2020.1747077.
Liu, Z., & Yang, Y. (2020b). Least absolute deviations estimation for uncertain regression with imprecise observations. Fuzzy Optimization and Decision Making, 19(1), 33–52.
National Health Commission of China. (2020). Coronavirus disease (COVID-19) situation reports. Retrieved April 24, 2020 from http://www.nhc.gov.cn/xcs/yqtb/list_gzbd.shtml.
Song, Y., & Fu, Z. (2018). Uncertain multivariable regression model. Soft Computing, 22(17), 5861–5866.
Tang, H. (2020). Uncertain vector autoregressive model with imprecise observations. Soft Computing,. https://doi.org/10.1007/s00500-020-04991-9.
Yang, X., & Liu, B. (2019). Uncertain time series analysis with imprecise observations. Fuzzy Optimization and Decision Making, 18(3), 263–278.
Yang, X., & Ni, Y. (2020). Least-squares estimation for uncertain moving average model. Communications in Statistics Theory and Methods,. https://doi.org/10.1080/3610926.2020.1713373.
Yang, X., Park, G. K., & Hu, Y. (2020). Least absolute deviations estimation for uncertain autoregressive model. Soft Computing,. https://doi.org/10.1007/s00500-020-05079-0.
Yao, K., & Liu, B. (2018). Uncertain regression analysis: An approach for imprecise observations. Soft Computing, 22(17), 5579–5582.
Ye, T., & Liu, B. (2020b). Uncertain hypothesis test with application to uncertain regression analysis, Technical report.
Ye, T., & Liu, Y. (2020a). Multivariate uncertain regression model with imprecise observations. Journal of Ambient Intelligence and Humanized Computing,. https://doi.org/10.1007/s12652-020-01763-z.
Zhang, C., Liu, Z., & Liu, J. (2020). Least absolute deviations for uncertain multivariate regression model. International Journal of General Systems,. https://doi.org/10.1080/03081079.2020.1748615.
Zhao, X., Peng, J., Liu, J., & Zhou, X. (2020). Analytic solution of uncertain autoregressive model based on principle of least squares. Soft Computing, 24(4), 2721–2726.