ARIMA模型及其在时间序列分析中的应用

ARIMA模型是一类精度较高的时间序列短期预测模型,借助于计量经济学软件Eviews5.0对吉林省1980~2005年的全社会固定资产投资总额数据,建立了ARIMA(3,1,2)模型,并对未来几年吉林省全社会固定资产投资进行了预测分析,很好的解决了非平稳时间序列的建模问题.     

高斯过程回归补偿ARIMA的网络流量预测

为提高网络流量时间序列的中期预测精度,提出一种高斯过程回归模型补偿自回归积分滑动平均(ARIMA)模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征;然后利用ARIMA模型对网络流量时间序列进行非平稳建模,得到符合网络流量序列线性变化规律的模型,并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测;最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明,提出的预测方法具有更高的预测精度和更小的预测误差.     

中国能源消费的时间序列分析

对1978—2010年中国能源消费总量进行时间序列分析,采用时序分析的ARIMA模型和Autoregressive模型对其拟合建模,并对这两类模型的拟合效果和预测效果进行了比较。模型的残差检验和参数显著性检验结果表明模型是适用的,同时表明中国能源消费总量存在短期自相关性,并在短期内还将保持较快的增长速度。     

负荷预测的线性稀疏数AR预测模型

对时间序列线性ARIMA模型的建模和预测方法进行了总结,根据其特征提出了采用稀疏数AR模型代替ARIMA模型作为通用线性预测模型,并给出了模型搜索算法,使得时间序列线性预测模型的建模过程无需人的干预而能通过程序自动完成。     

确定性时间序列模型及ARIMA模型的应用

本文根据2003年1月至2008年8月西安市社会消费品零售总额的月度数据,建立了确定性时间序列模型和ARIMA模型。借助于MATLAB及SAS软件,对西安市2008年9月至2009年12月社会消费品零售总额进行分析预测,并将两种模型的预测效果进行比较,从而探索出比较合适的短期预测方法,旨在阐明这些模型在经济预测领域中的广泛应用。     

基于ARIMA模型的宁波生活用电总量的实证分析

在现在的科技化社会,电与每个人息息相关,对用电量进行预测并做好调配控制是不可或缺的。通过1978—2011年宁波市生活用电总量数据,利用时间序列分析的方法,对用电量进行建模,发现其内在的规律性。结果显示:宁波生活用电量数据服从异方差的ARIMA(2,2,0)模型,通过该模型对未来几年的用电量进行预测,可以为政府制定相应的政策提供一定的依据。     

GDP的时间序列模型的建立及应用——以兰州市为例

GDP是人们了解和把握一个国家或地区宏观经济运行状况的有效途径。文章在介绍时间序列的基础上,利用Eviews统计软件及非参数统计方法,对兰州市1978--2010年的GDP数据进行实证分析,建立了ARIMA（1,1,4）模型。检验表明,该模型具有较好的预测效果,利用该模型对兰州市未来5年的GDP进行了预测。     

GDP的时间序列模型的建立及应用——以兰州市为例

GDP是人们了解和把握一个国家或地区宏观经济运行状况的有效途径.文章在介绍时间序列的基础上,利用Eviews统计软件及非参数统计方法,对兰州市1978-2010年的GDP数据进行实证分析,建立了ARIMA(1,1,4)模型.检验表明,该模型具有较好的预测效果,利用该模型对兰州市未来5年的GDP进行了预测.     

ARIMA模型在交通事故预测中的应用

通过ARIMA模型分析了1970—1997年中国交通事故的十万人口死亡率时间序列的平稳性,用SPSS11.5软件拟合模型并作预测,结果表明,ARIMA模型能提高预测精度,在实际应用中ARIMA模型可用于非季节和季节的各类时间序列,预测较准,可以为政府和交通部门制定预防降低交通事故提供重要的数据支持.     

Eviews软件在ARIMA模型中的应用研究——以苏州接待国内游客人数为例

ARIMA模型是一种精度较高的短期时序预测模型,本文使用2003年至2010年苏州接待国内游客人数作为原始序列,对其进行对数运算,得出一阶差分后的序列是平稳的,建立了ARIMA(1,1,1)模型,并利用Eviews软件计算出2011年的预测结果为7877万。     

基于陆基GNSS的电离层时间序列预报研究

为讨论不同时间序列模型对电离层垂直总电子含量(VTEC)的预报效果,在平静电离层条件下,采用载波相位平滑伪距法解算单站上空的电离层VTEC值,分别利用自回归积分滑动平均模型(ARIMA)与Holt-Winters指数平滑模型进行逐站建模,通过时长为9 d的样本序列实现3 d预报,并对预报值进行系统评估.结果表明,时间序列模型能够较好地反映预报期内的电离层VTEC变化情况,均方根误差均值不超5 TECU.此外,Holt-Winters乘法模型的预报值偏差最大,加法模型次之,ARIMA模型在11个测站的相对精度都高于Holt-Winters指数平滑模型,且其均方根误差峰值最小,具有最高的预报精度.     

基于时间序列模型的矿产品价格分析与预测

矿产品价格是矿业投资风险中最重要的不确定因素,矿产品价格预测的准确与否关系到矿业投资的成败。本文据2001-2007年各季度的铜金属价格数据,利用spssl3.0统计软件,建立时间序列ARIMA模型。结果表明模型拟合较成功,通过比较模型预测数据与实际数据,证明模型预测精度较高。该研究不仅为矿业投资决策出示可靠信息,也为矿山企业编制生产计划提供参考。     

一种准确预测无线局域网业务量的时间序列模型

在对随机选取的实际环境中的多组无线局域网业务量数据的研究过程中,发现无线局域网业务量具有明显的多重季节性．利用差分和特定间隔抽样对原始数据处理,从而验证了无线局域网业务量的季节性．并提出了一个能够准确预测无线局域网业务量的时间序列模型：乘积型季节ARIMA(0,1,1)(0,1,1)₁₂模型,通过迭代计算,将此模型转化成一个MA模型,并且利用MA模型的性质对模型参数作出估计．利用差分方程法,对随机选取的一段无线局域网业务量进行了预测．结果表明,此模型可较好地对无线局域网的业务量进行短期预测,且提前10步预测的平均相对误差仅为0.0401．     

基于ARIMA-ANN的大坝安全监控模型

坝体的变形能反映建筑物的运行状况,受各种复杂因素影响,坝体变形监测数据是一个不平稳的时间序列.基于传统时间序列不能解决非平稳数据,使用自回归求和滑动平均序列建立模型,结合工程实例进行坝体变形监测数据的拟合与预测,并用BP神经网络进行误差预测,得到最终预测值.经过实际大坝的数据建模检验,建模方法可行,预测结果精度高,在大坝安全监测中具有较好的实用性.     

月径流序列的季节性ARIMA模型

基于月径流序列是一类周期性的非平稳时间序列的特点,本文建立了季节性ARIMA 模型.文中编制了电算程序,并应用于水库的月径流预报,获得了满意的结果.