Real time detection of farm-level swine mycobacteriosis outbreak using time series modeling of the number of condemned intestines in abattoirs

Mycobacteriosis in swine is a common zoonosis found in abattoirs during meat inspections, and the veterinary authority is expected to inform the producer for corrective actions when an outbreak is detected. The expected value of the number of condemned carcasses due to mycobacteriosis therefore would be a useful threshold to detect an outbreak, and the present study aims to develop such an expected value through time series modeling. The model was developed using eight years of inspection data (2003 to 2010) obtained at 2 abattoirs of the Higashi-Mokoto Meat Inspection Center, Japan. The resulting model was validated by comparing the predicted time-dependent values for the subsequent 2 years with the actual data for 2 years between 2011 and 2012. For the modeling, at first, periodicities were checked using Fast Fourier Transformation, and the ensemble average profiles for weekly periodicities were calculated. An Auto-Regressive Integrated Moving Average (ARIMA) model was fitted to the residual of the ensemble average on the basis of minimum Akaike’s information criterion (AIC). The sum of the ARIMA model and the weekly ensemble average was regarded as the time-dependent expected value. During 2011 and 2012, the number of whole or partial condemned carcasses exceeded the 95% confidence interval of the predicted values 20 times. All of these events were associated with the slaughtering of pigs from three producers with the highest rate of condemnation due to mycobacteriosis.     

内蒙古能源消费总量的研究——基于ARIMA疏系数模型

本文以《内蒙古统计年鉴2010》中1985-2009年内蒙古能源消费总量的数据为依据,运用时间序列的建模方法采用SAS 9.0软件建立ARIMA疏系数模型对内蒙古未来能源消费总量作出预测.结果显示,模型预测效果较好.     

2005—2017年全国3种主要蚊媒传染病发病数的圆形分布分析

为探讨圆形分布法在分析我国流行性乙型脑炎(乙脑)、登革热及疟疾等3种蚊媒传染病季节特征方面应用的可行性,本研究采用圆形分布法对2005年至2017年间全国的乙型脑炎、登革热、疟疾的发病情况进行了整理分析,并用自回归移动平均模型(ARIMA)验证。圆形分布法分析结果表明,乙脑、登革热、疟疾的预测发病高峰日分别为8月15日、10月5日和8月26日,高峰时期分别为7月11日至9月20日、9月9日至11月1日和6月12日至11月8日,ARIMA模型得到类似结果。因此,圆形分布法简单实用,对3种蚊媒传播疾病的防控具有较强的实用价值,从而为完善我国传染病的监测和防治工作提供参考依据。     

基于ARIMA模型的世界大豆总产预测分析

为给我国大豆生产及进口提供决策参考信息,运用ARIMA(自回归单整移动平均)模型预测分析了2021年前世界大豆收获面积、平均单产及总产。结果表明:2018、2019、2020和2021年世界大豆收获面积分别为1.23×10~8,1.27×10~8,1.31×10~8和1.34×10~8 hm^2,平均单产分别为2 767,2 811,2 855和2 900 kg·hm^-2,总产分别为3.40×10~8,3.57×10~8,3.74×10~8和3.89×10~8 t;同期中国大豆收获面积分别为6.77×10~6,6.72×10~6,6.68×10~6和6.63×10~6 hm^2,平均单产分别为1 866,1 887,1 908和1 930 kg·hm^-2,总产分别为1.26×10~7,1.27×10~7,1.27×10~7和1.28×10~7 t;同期美国大豆收获面积分别为3.49×10~7,3.56×10~7,3.64×10~7和3.71×10~7 hm^2,平均单产分别为3 287,3 329,3 372和3 415 kg·hm^-2,总产分别为1.15×10~8,1.18×10~8,1.23×10~8和1.27×10~8 t。该结果意味着:世界大豆的收获面积在扩大、单产在提高、总产在增加,中国大豆收获面积在缓慢缩小、单产在提高、2004年后总产在减少,美国大豆收获面积在扩大、单产在提高、总产在增加。     

淮北平原基于ARIMA模型的冬小麦日土壤水分预测

准确预测土壤水分动态变化对农作物生长以及节水灌溉至关重要。为反映逐日土壤水分动态变化,利用五道沟水文实验站蒸渗仪2017-2018年土壤水实测资料,采用时间序列分析方法,分别建立了冬小麦全生育期10、30、50 cm土层的土壤水分计算模型。结果表明:10、30、50 cm土壤含水量变异系数有明显差异,随土层深度增加逐渐减小,分别为0.190、0.103、0.040。利用ARIMA模型对土壤水分进行拟合,10、30、50 cm土层土壤水分计算模型分别为ARIMA(4,1,7)、ARIMA(1,1,2)、ARIMA(2,1,3),拟合优度R^2均大于0.95;不同土层土壤水分计算模型均具有较好的预测能力,且随深度增加预测精度提高,由10 cm增至50 cm最大相对误差从15.6%降至5.1%。研究成果为进一步制定淮北平原节水灌溉制度,提高田间水利用率具有重要意义。     

基于季节ARIMA模型的铜陵市气温序列的预报

运用EVIEWS软件,对铜陵市48年来的月平均气温时间序列进行统计分析,并对该动态数据进行建模和预测。采用差分方法对样本数据进行预处理,然后定阶,并进行参数估计,建立季节ARIMA模型对铜陵市气温数据进行预报。预报结果显示,季节ARIMA模型的平均绝对误差值为0.875。将ARIMA模型预报结果与径向基(radial basis function,RBF)神经网络模型的预报值比较可知,其预报结果优于RBF神经网络的预测结果。     

基于Shapley值的农机装备水平组合预测(简报)

对农机装备水平的定量预测可以为农业机械化发展目标的制定提供依据.该文选用ARIMA时间序列和BP神经网络模型,再基于Shapley值法分配权重,构建了新的组合预测模型,并以1979～2005年山西省农机总动力、大中型拖拉机及配套农机具、小型拖拉机及配套农机具的统计数据为依据进行了颁测.预测结果表明,该组合预测模型的预测精度高于选定的各预测模型,对农机装备水半的预测是可行、有效的.以此模型预测山西省2010年农机总动力、大中型拖拉机、小型拖拉机、大中型拖拉机配套农机具、小型拖拉机配套农机具、大中拖拉机配套机具比、小型拖拉机配套农机具比将达到2619万kW、43479台、297546台、84638套、327743套、1.95、1.10.     

基于ARIMA模型对全国集贸市场鸡蛋价格的分析和预测

鸡蛋是我国居民日常生活中最常见的蛋白质食品,在众多农产品中鸡蛋价格波动对物价水平以及居民消费价格指数的影响尤为显著,提前分析预测鸡蛋价格对调控鸡蛋市场供需关系、促进禽蛋产业健康发展有重要意义。研究采用ARIMA时间序列分析模型,以全国500个县集贸市场2013年1月1日~2019年7月31日每周的鸡蛋平均价格为分析与建模基础,并对后期8周的鸡蛋价格进行了预测。     

网络环境下ARIMA模型对于绿色蔬菜市场价格的精确预报

基于目前绿色蔬菜销售的特点 ,研究在网络环境下绿色蔬菜市场的价格预报问题。从研究单一蔬菜品种卷心菜开始 ,利用ARIMA理论和方法 ,从模型的识别、诊断、拟合与预测定量地研究其价格的问题。考虑到单一品种的片面性 ,提出利用 16种蔬菜加权平均价格作为研究对象的方法。     

农民收入预测及ARIMA模型选择

在综述学者关于农民收入预测研究的技础上，根据1979—2009年《河南统计年鉴》农村居民家庭人均纯收入数据，发现农民收入时间序列服从1（2）非平稳过程。综合采用Box—Jenkins基于相关图的分析方法和SC准则，进行模型定阶和识别。在综合比选一组不同参数模型性能的基础上，建立了ARIMA（4，2，2）模型。诊断结果表明，所选定模型的残差为白噪声，符合正态分布，可用于农民收入预测。模型预测显示，2009～2012年内农民收入仍将继续增长，分别达到2282．4．2502．9、2686．9和2884．5元，增速由快到慢逐步递减，可持续性不强。