基于ARIMA模型的海南省国内生产总值预测

选取1978—2019年海南省GDP数据为研究样本,依据Box-Jenkins方法建立ARIMA模型,通过1978—2017年样本内数据建立ARIMA(1,1,2)模型,来预测2018—2021年样本外的海南省GDP数值。通过对模型诊断与检验,发现ARIMA(1,1,2)模型能较好地达到预测效果,预测平均误差控制在5%之内,能较好地对海南省GDP做出短期预测,为海南省政府制定经济发展目标提供参考。     

ARIMA模型对我国旅游业可持续发展的实证研究

以国内游客人数为研究对象,建立适当模型,分析我国旅游业可持续发展状况。选取1985年至2015年我国国内游客人数为样本,运用Eviews6.0建立ARIMA模型。最终建立ARIMA)1,2,0(模型。经检验,模型拟合效果很好(MAPE=7.363),预测精度极高(99.56%)。ARIMA模型对游客人数的短期预测是合理的,且"十三五"时期国内游客人数呈趋势性增长。     

ARIMA模型与BP神经网络模型的比较研究——基于供电企业电费现金流入预测

文章基于供电企业对电费现金流入预测的现实需要,分别建立了基于时间序列的ARIMA模型和BP神经网络预测模型,并对两种预测方法进行了对比分析,最终确定了以ARIMA模型为主、BP神经网络为辅的综合预测手段,有效地提高了电费现金流的预测精度,增强了供电企业的现金流管理水平。     

基于ARIMA模型的我国人口增长的分析与预测

运用ARIMA模型对我国1949—2009年的人口总数进行了分析与预测,得出AR IMA(2,2,1)模型可以对我国的人口总数作短期预测的结论。     

中国农业银行股票价格的统计分析及预测

ARIMA模型与指数平滑法是统计应用中非常广泛的两种方法 ,他们可以用来对数据进行拟合并预测。本文对时间序列中的ARIMA与指数平滑法进行了比较,并运用这两种方法对股票收盘价格进行预测,结果显示ARIMA在近期预测中效果较好。     

利用遗传算法优化的ARIMA-BP组合模型预测手足口病发病趋势

目的探讨ARIMA模型及遗传算法优化的ARIMA-BP神经网络组合模型在传染病预测与预警中的应用,为相关部门制定防治措施提供参考。方法选择某市2009~2013年的手足口病发病数作为研究对象,首先建立ARIMA模型,得到的拟合值作为神经网络输入值,真实观测值作为输出值,带入通过遗传算法优化的BP神经网络中训练,并比较两种模型的预测精度。结果对建立的ARIMA(1,0,0)(1,1,0)12模型预测的相对误差为39.89%,决定系数为0.786,经统计检验残差为白噪声序列;组合模型预测的相对误差为26.25%,决定系数为0.852。结论该组合模型的预测精度高于ARIMA模型,且对于极值的预测较为精确,可以为其他传染病的预测及建立统计预警提供参考。     

“十三五”时期中国粮食产量的预测研究

从中国粮食产量的历史趋势中找出规律,寻找适当模型为政府进一步制定相关的农业改革政策提供参考。以1949—2014年中国粮食产量数据作为建模样本,运用EViews 6.0,建立中国粮食产量的ARIMA模型。建立了ARIMA)0,1,1(模型,并对样本数据进行拟合预测,经检验拟合效果较好,预测精度较高。模型预测效果显著,具有现实意义。     

发电机定子冷却水系统状态参数预测

本文对发电机定子冷却水系统状态参数进行了研究,提出了ARIMA模型和BP神经网络非线性子模型相结合的设备系统状态参数混合模型,并与ARIMA模型进行比较,结果表明,该模型具有良好预测能力,有效的提高了发电机定子冷却水系统状态的预测精度,增强了发电机定子冷却水系统管理水平。     

面向区块链节点负载预测的ARIMA组合预测方法

准确预测服务器的剩余负载率可以合理地分配系统资源,提高系统的资源使用率。为了能有效提高区块链应用中各节点剩余负载率序列预测的准确度,提出了一种差分自回归移动平均(AutoregressiveIntegrated MovingAverage,ARIMA)模型、BP神经网络以及局部异常因子(Local Outlier Factor, LOF)算法的组合预测模型。对比ARIMA模型、ARIMA-BP模型、LOFARIMA-BP模型的预测结果,比较三个模型的预测能力。实验结果表明,LOF-ARIMA-BP组合模型的预测精度优于ARIMA模型以及ARIMA-BP模型。     

基于ARIMA乘积季节模型的苏州市介水传染病发病预测研究

目的探讨运用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对苏州市介水传染病发病率进行预测。方法利用R软件对苏州市2008年1月—2015年12月的介水传染病发病率数据进行拟合,构建ARIMA乘积季节模型,对苏州市2016年1—6月介水传染病的发病率进行预测。结果构建了ARIMA(2,1,2)×(0,1,1)_(12)乘积季节模型,模型Ljung—Box检验差异无统计学意义(Q=18.478,P=0.779),模型适用于短期预测,2016年1—6月苏州市常见介水传染病实际发病率均在预测结果95%可信区间内,预测结果相对误差的平均值为-0.024。结论ARIMA(2,1,2)×(0,1,1)_(12)季节乘积模型可用于苏州市介水传染病发病率的短期预测。     

基于ARIMA模型对我国2014年货币供给量的预测

基于ARIMA时间序列模型及我国货币供应量的实际数据,对我国2013年的货币供应量作出预测,实证结果与我国实际的货币供应量比较吻合,得到的平均相对误差绝对值的指标仅为1.1%,说明ARIMA模型能较好地预测我国货币供应量的趋势,可为我国货币供应量预测和走势的判断提供有效依据,并对我国2014年货币供应量作出预测。     

基于ARIMA模型的深圳市空气质量指数时间序列预测研究

目的构建适合深圳市空气质量指数(AQI)预测的自回归移动平均模型(ARIMA),为有效地治理和控制空气污染提供科学依据。方法应用时间序列分析方法对深圳市2014年1月1日—2016年6月30日AQI逐日数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型,利用所得到的模型对2016年7月1日—2016年7月6日AQI进行预测,并评价其预测效果。结果本研究2014年1月—2016年6月共收集了深圳市912个逐日AQI数据,空气质量级别为优、良和轻度污染的比例分别是48.6%、48.4%和3.0%。经平稳性检验,该原始序列适合进行模型拟合,经过模型拟合诊断发现ARIMA(3,0,1)模型为最优模型,赤池信息准则(AIC值)和贝叶斯信息准则(BIC值)最小,分别为7 364.51和7 393.41,Box-Ljung检验结果 Q值为17.48,P>0.05,模型残差为白噪声序列。2016年7月1日—2016年7月6日AQI预测值与实际值的平均相对误差为16.6%,实际值都在95%可信区间内,建立的ARIMA(3,0,1)模型的拟合精度和预测效果较为理想。结论 ARIMA(3,0,1)模型能较好地模拟深圳市AQI变化趋势,有良好的预测效果。     

基于ARIMA模型的黄金价格实证分析

本研究以2011年10月至2014年2月的上海黄金交易所黄金Au100g每日的加权平均价为例,以时间序列的相关理论为基础,建立ARIMA(2,1,0)模型对黄金价格的走势进行实证分析,并对2014年3月至2014年5月的数据进行短期预测.实验结果表明,ARIMA(2,1,0)模型能够比较准确地刻画黄金价格的动态走势,这为中国黄金投资者更好地预测黄金市场的行情提供了一个可行的方法,也为他们理性地投资黄金提供了一个理论依据.     

应用自回归移动平均模型乘积季节模型预测兰州市水相关疾病发病情况

目的探讨自回归移动平均模型(autoregressive integrated moving average model,ARIMA)乘积季节模型在水相关疾病发病率发病趋势预测中的应用,对兰州市水相关疾病发病情况进行预测。方法收集2006年1月—2014年12月水相关疾病发病率数据,利用R软件构建ARIMA乘积季节模型,利用2015—2017年实际发病率与模型拟合数据比较,评价模型的预测性能,并预测2015—2017年水相关疾病的发病率。结果在水相关疾病预测中建立ARIMA(2,0,1)×(2,0,0)_(12)乘积季节模型,Ljung-Box检验差异无统计学意义(Q=18.64,P=0.824),2015年—2017年兰州市常见水相关疾病实际发病率均在预测结果95%可信区间内,平均预测相对误差为5%。结论 ARIMA乘积季节模型可以较好的预测兰州市水相关疾病发病率的变化趋势,能够运用于水相关疾病发病趋势的预测及预警,为防控措施的制定提供参考。     

基于混沌SVM与ARIMA的工程造价组合预测

为了解决工程造价预测的时效性问题,针对传统线性时间序列预测模型可靠性不高的缺点,引入混沌相空间重构和支持向量机技术,并将两者耦合组成一种非线性预测模型,再利用ARIMA在整体线性趋势预测方面的优越性,对非线性模型进行修正。混沌SVM和ARIMA预测构成组合模型的两个子过程,将两个子过程的预测结果综合平均即可得到最终预测结果。经实例计算,组合模型比最大Lyapunov指数、ARIMA和只将相空间重构与SVM进行耦合的方法拟合效果好,预测精度高,证明其的确具有线性趋势拟合和非线性波动拟合的双优势。     

一种新的组合权重在组合预测模型中的应用

为了提高组合预测的精度,提出了一种新的组合权重计算方法,该方法通过将平均绝对百分数误差(MAPE)和最小二乘法相结合来确定组合预测模型的权重值。将这种新的组合权重方法应用到组合模型中,并对湖北省国内生产总值(GDP)进行预测。首先,建立了差分自回归移动平均(ARIMA)模型和指数曲线回归模型;然后,用MAPE和最小二乘法确定组合模型的权系数,在此基础上将两种权系数进行组合,形成组合权重。预测结果表明:该组合权重与单一权重相比,可将组合模型的预测精度提高约0.3%。     

基于ARIMA模型预测我国2020年汽车整车及零配件进口情况

我国是汽车消费大国,当前国内自主车辆品牌众多,车型丰富,基本能够满足国内大众的需求。但受消费者需求多样化影响,国内市场上仍然有部分汽车属于整装进口状态;另外,长安福特、东风标致等合资汽车品牌,仍需要进口零配件。利用2009-2019年我国汽车整车及零配件进口数据,通过ADF及二阶差分检验,匹配适合的ARIMA模型,利用ARIMA对2020年我国整车及汽车零配件进口总额进行回归分析。     

以ARIMA模型分析住宅开发规模趁势初探

本文采用上海市统计局官网公布的2008年至2012年住宅开发规模数据,通过Eviews软件建立ARIMA模型,分析住宅开发规模走势,对其进行短期预测,为房地产管理领域择优决策、编制计划提供技术支持,帮助决策者合理判定政策方向,最大程度地减小决策风险,优化市场,提高效能。     

以数学建模竞赛为例基于SPSS建立ARIMA模型

SPSS软件是当前应用最广泛的统计软件之一,其菜单化操作模式能够让使用者快速入门,SPSS软件中时间序列模块能够实现模型的自动化筛选,参数估计和模型检验,是非统计学专业人员进行数据分析的有力工具。是本文以2019年全国大学生数学建模竞赛D题为例,以SPSS23软件为工具,对数据进行时间序列分析,建立ARIMA模型。     

陈村大坝底孔电站兴建后坝基渗流场的变化

从陈村大坝灌浆廊道和排水廊道的渗流场和水质变化出发,通过对底孔电站修建前后的坝基扬压力、水质、现场pH测定等的分析比较,并结合运用ARIMA模型对渗压系数的变化作预测分析总结出了变化的趋势,讨论了底孔电站修建后坝基渗流特征的变化,以及由此引发的对大坝帷幕以及大坝安全的影响。