TY - JOUR A2 - Zhao, Yun-Bo AU - Mapuwei, Tichaona W. AU - Bodhlyera, Oliver AU - Mwambi, Henry PY - 2020 DA - 2020/05/01 TI - single variate Time Series Analysis of short - Forecasting Horizons Using Artificial Neural Networks:公共救护车应急准备SP - 2408698 VL - 2020 AB -本研究检验了人工神经网络模型在建模津巴布韦的单变量时间序列救护车短期预测水平的适用性。布拉瓦约市议会的救护车服务部门被用作一个案例研究。利用2010 - 2017年的月度历史数据建立了前馈神经网络(FFNN)和季节性自回归综合移动平均(SARIMA)模型，并与2018年的观测数据进行了比较。平均绝对误差(MAE)，均方根误差(RMSE)，和配对样本 t -test作为性能指标。FFNN计算的性能指标为MAE (94 ．0), RMSE (137 ．19)、检验统计值 p ＝ 0.493 (> 0 ．05)，而SARIMA对应值为105 ．71年,125年 ．28岁,而 p ＝ ０．００５ （ <0 ．05),分别。本研究的结果表明，FFNN模型倾向于价值估计，而SARIMA模型是有方向性的，随时间呈线性模式。基于绩效指标，选择节俭的FFNN模型预测短期年度救护车需求。FFNN对2019年需求的预测反映了布拉瓦约的总体趋势。预测显示，1月、3月、9月和12月的需求很高。关键的救护车后勤活动，如车辆维修、补充基本设备和药物、员工培训、假期安排和模拟演练等，需要在预计需求较低的4、6、7月进行规划。这种经过深思熟虑的规划战略将避免出现这样一种可怕的情况:虽然有救护车，但没有足够的人员、基本药物和设备来响应公共紧急呼叫。SN - 1110-757X UR - https://doi.org/10.1155/2020/2408698 DO - 10.1155/2020/2408698 JF - Journal of Applied Mathematics PB - Hindawi w - ER -