TY - JOUR A2 - 赵耘博AU - Mapuwei，Tichaona W. AU - Bodhlyera，奥利弗AU - Mwambi，亨利PY - 2020 DA - 2020年5月1日TI - 短期预测新秀的单变量时间序列分析中的应用人工神经网络：公共救护应急准备SP的案例 - 2408698 VL - 2020 AB - 本研究的人工神经网络模型的适用性建模在津巴布韦短期预报的视野单变量时间序列救护车需求。布拉瓦约市议会的救护车服务部门作为一个案例研究。两种模式，前馈神经网络（FFNN）和季节性ARIMA模型，（SARIMA）使用月度历史数据，开发二○一○年至2017年相比对观测数据为2018年的平均绝对误差（MAE），均方根误差（RMSE），和配对样本 Ť - 测试被用来作为绩效指标。对于FFNN计算性能的措施，MAE（94 。0），RMSE（137 。19），并且测试统计值 p = 0.493 （> 0 。05）而对于SARIMA相应值分别为105 。71，125 。28，和 p = 0.005 （ <0 。05）表示。这项研究的结果表明，该模型FFNN倾斜于值估计而SARIMA模型是定向的随时间的线性图案。基于性能的措施，将简约FFNN模型选择预测短期的年度救护车需求。与FFNN需求预测2019反映在Bulawayo预期的一般趋势。该预测显示，在一月，三月，九月和十二月的月需求量大。重点救护车物流活动，如汽车维修，必要的设备和药品的补给，人员培训，休假天数的调度，以及模拟演习需要事先计划四月，六月，七月，当低需求预期。这种精心的规划策略，将避免一个可怕的情况，即救护车也有，但没有足够的工作人员，基本药物和设备以应对公共紧急呼叫。SN - 1110-757X UR - https://doi.org/10.1155/2020/2408698 DO - 10.1155 /二百四十万八千六百九十八分之二千○二十JF - Hindawi出版KW - - ER杂志应用数学PB的 -