提高预测准确性的流行病学时间序列数据降尺度：一种算法方法
摘要：基于基础分布的数据降尺度算法：在医疗和流行病学数据集中，数据稀缺和不连续是常见现象，通常需要通过形成教育决策和预测未来情景来提供帮助。通常，这些数据以月度/年度聚合的形式存储，而像自回归综合移动平均（ARIMA）、季节性自回归综合移动平均（SARIMA）和TBATS这样的传统预测工具往往无法提供令人满意的结果。已经证明，人工数据合成方法是解决这些挑战的强大工具。本文旨在提出一种基于基础分布的降尺度数据算法。我们的研究发现，合成数据在趋势、季节性和残差方面与原始数据一致，合成数据为预测工具提供了稳固的基础，从而生成更准确的预测情景。
作者：Mahadee Al Mobin and Md. Kamrujjaman
论文ID：2304.12305
分类：Other Statistics
分类简称：stat.OT
提交时间：2023-04-25