基于基础体温时间序列状态空间模型的月经预测
应用统计
2019-01-23 v1
摘要
女性的基础体温 (BBT) 遵循与其月经周期事件相关的周期性模式。尽管每日 BBT 时间序列包含可用于估计潜在月经阶段和预测当前月经周期长度的潜在有用信息,但针对 BBT 时间序列构建的模型很少。在此,我们提出一个将月经阶段作为潜在状态变量的状态空间模型,以解释 BBT 和月经周期长度的波动。利用序贯贝叶斯滤波技术获得了月经阶段的条件分布。随后,基于该条件分布和模型,推导出了下一次月经来潮的预测分布,从而形成了一个提供月经来潮日期序贯更新预测的新型统计框架。我们将该框架应用于包含女性自我报告的 BBT 和月经日期的真实数据集,将本文所提方法的预测准确率与传统的日历计算法进行了比较。结果表明,本文所提方法能更好地预测月经来潮日期。该框架的潜在扩展可为建模和预测与月经周期相关的其他事件提供基础。
引用
@article{arxiv.1606.02536,
title = {The forecasting of menstruation based on a state-space modeling of basal body temperature time series},
author = {Keiichi Fukaya and Ai Kawamori and Yutaka Osada and Masumi Kitazawa and Makio Ishiguro},
journal= {arXiv preprint arXiv:1606.02536},
year = {2019}
}
备注
16 pages, 4 figures