ARMA时间序列模型在销售预测中的应用

时间序列分析是经济领域应用研究最广泛的工具之一,它用恰当的模型描述历史数据随时间变化的规律,并分析预测变量值。ARMA模型是一种最常见的重要时间序列模型,它被广泛应用到经济领域预测中。本文给出ARMA模型的三种模式和实现方法,然后结合超市销售数据揭示超市销售的规律性,并运用ARMA模型对超市销售量进行预测。     

ARMA模型AR部分阶与参数估计的超定快速递推算法*

本文给出了一种新的ARMA模型AR部分的阶次与参数估计的超定快速递推算法,提高了运算速度和估计精度。     

带白色观测噪声的ARMA模型参数的无偏估计

本文研究了如何利用受白色噪声污染的观测数据辨识ＡＲＭＡ（ｐ,ｑ）模型参数数据的问题,提出了一种递推辅助变量法．利用这种方法首先辨识出ＡＲ（ｐ）部分的参数及观测噪声的方差,然后根据所得的估计利用常用的Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ方法确定ＭＡ（ｑ）部分的参数。     

基于ARMA模型的网络流量预测

随着计算机网络的迅速发展,目前的网络规模极为庞大和复杂,因此发生各种问题的可能性也越大,同时管理网络的难度也增大,传统的网络管理是在告警之后,解决潜在的问题,即为一种响应式的行为,这时候网络的服务很可能已经受到影响,根据实际采集的非单播包数的观测值序列,建立该流量参数的正常行为,然后平稳化该序列,估计出网络流量的ARMA（2,1）模型,用线性最小均方误差预测方法,对网络流量进行预测,并检测在将来超越阈值的可能性和发生时间,这样,在网络过载发生之前,可以预先采取防范措施,来保证网络的正常服务,这种方法改变了以往的网络管理响应方式,使得网络过载的预警成为可能。     

多维ARMA模型的新息定理及预测

利用线性最小方差估计方法,推导出多维ＡＲＭＡ模型的新息定理,并依据该定理得出仅需ＡＲ参数的线性最小方差新息预测公式,这在计算上大为简化,同时又保证有一定的精度。最后给出了仿真实例。     

ARMA模型在浮标压力测量误差问题中的研究

海洋浮标压力传感器结构复杂,长期受到海水侵蚀,传感器的测量误差问题频繁出现;采用时间序列分析方法建立了针对浮标压力测量误差的数学模型;首先采用游程检验法检验序列的平稳性,然后依据自相关函数和偏自相关函数的统计特性确定序列为自回归滑动平均混合模型,使用AIC准则和最小二乘法确定为ARMA(9,12)模型,最后通过MATLAB软件对浮标压力测量误差数据模型进行参数估计和适应性检验;结果表明,ARMA(9,12)模型是一种非常理想的数学模型,能够应用解决浮标压力测量误差的问题.     

利用双通道格形滤波器同时辨识ARMA模型的参数和阶次

本文重新构造了一种最小二乘通道格形滤波器,并将它用于同时辨识ＡＲＭＡ模型的参数和阶次。数值仿真结果表明,这种辨识算法具有计算量小、精度高等优点。     

基于攻击特征的ARMA预测模型的DDoS攻击检测方法

分布式拒绝服务(DDoS)攻击检测是网络安全领域的研究热点。本文提出一个能综合反映DDoS攻击流的流量突发性、流非对称性、源IP地址分布性和目标IP地址集中性等多个本质特征的IP流特征(IFFV)算法,采用线性预测技术,为正常网络流的IFFV时间序列建立了简单高效的ARMA(2,1)预测模型,进而设计了一种基于IFFV预测模型的DDoS攻击检测方法(DDDP)。为了提高方法的检测准确度,提出了一种报警评估机制,减少预测误差或网络流噪声所带来的误报。实验结果表明,DDDP检测方法能够迅速、有效地检测DDoS攻击,降低误报率。     

改进的灰色模型与ARMA模型的股指预测

当前基于灰色GM（1,1）模型和ARMA模型的组合模型GM-ARMA模型存在着2点不足：一是由于GM（1,1）模型不是最优的,导致了GM-ARMA模型也不是最优的;二是GM-ARMA模型并没有恰当地结合2个子模型,这也导致了GM-ARMA模型不是最优的.为此,首先引入数据维度参数和白化背景值的系数2个参数来改进GM（1,1）模型,然后同时优化ARMA模型中的P、Q2个参数来改进GM-ARMA模型,称新的模型为RevisedGM-ARMA（RGM-ARMA）模型.实例证明RGM-ARMA的误差小于ARIMA和GM-ARMA模型,并且为组合模型的建立提供了新的思路.     

组合ARMA与SVR模型的时间序列预测

经典的ARMA模型常用于平稳时间序列的预测,而对于自然界绝大部分的非平稳序列一般采用确定性时序分析和随机时序分析.确定性时序分析对随机性信息浪费严重,而随机时序分析经过差分平稳序列后又回归到ARMA模型.本文利用在充分ARMA模型拟合后的残差序列进行支持向量回归(SVR)拟合,进而对原序列进行组合预测,比起单一模型的拟合及预测,该组合有效地提高了预测精度.     

ARMA model parameter estimation based on the equivalent MA approach

The paper investigates the relation between the parameters of an autoregressive moving average (ARMA) model and its equivalent moving average (EMA) model. On the basis of this relation, a new method is proposed for determining the ARMA model parameters from the coefficients of a finite-order EMA model. This method is a three-step approach: in the first step, a simple recursion relating the EMA model parameters and the cepstral coefficients of an ARMA process is derived to estimate the EMA model parameters; in the second step, the AR parameters are estimated by solving the linear equation set composed of EMA parameters; then, the MA parameters are obtained via simple computations using the estimated EMA and AR parameters. Simulations including both low- and high-order ARMA processes are given to demonstrate the performance of the new method. The end results are compared with the existing method in the literature over some performance criteria. It is observed from the simulations that our new algorithm produces the satisfactory and acceptable results.     

基于时间序列模型的黄金价格预测

由于黄金价格受到诸多经济及政治因素的影响,其生成过程十分复杂,因此研究黄金价格的动态演变过程具有极强的现实意义。而具体的预测要根据市场的过去和当前的需求,以及影响市场需求变化的因素之间的关系,利用一定的判断、技术和模型,对其价格波动变化及发展趋势进行分析和判断。利用时间序列相关理论,建立黄金价格的ARMA模型,发现其可以动态刻画黄金价格数据的生成过程并且较好地对黄金价格进行预测。     

基于EM算法的混合模型的参数估计

介绍了极大似然参数估计，然后介绍了混合模型极大似然参数估计的EM算法实现，最后利用计算机仿真实验验证了此算法的有效性和收敛性．     

基于时序模型的Bug数的分析与预测

在大型软件测试中,发现的Bug数是一个随机时间序列,没有固定的数量规律,但可以借助数学模型研究Bug的数量关系.通过对实际的大型软件开发项目中的Bug数的整理和分析,建立了ARMA(p,q)模型,使用该模型可以预测Bug数,并从中发现软件开发过程中存在的质量控制问题.     

Semiparametric Accelerated Failure Time Partial Linear Model and Its Application to Breast Cancer

Breast cancer is the most common non-skin cancer in women and the second most common cause of cancer-related death in US women. It is well known that the breast cancer survival rate varies with age at diagnosis. For most cancers, the relative survival rate decreases with age, but breast cancer may show an unusual age pattern. In order to reveal the stage risk and age effects pattern, we propose a semiparametric accelerated failure time partial linear model and develop its estimation method based on the penalized spline (P-spline) and the rank estimation approach. The simulation studies demonstrate that the proposed method is comparable to the parametric approach when data is not contaminated, and more stable than parametric methods when data is contaminated. By applying the proposed model and method to the breast cancer data set of Atlantic County, New Jersey, from the SEER program, we successfully reveal the significant effects of stage, and show that women diagnosed at age around 38 years have consistently higher survival rates than either younger or older women.     

非线性混沌系统预测模型与仿真研究

主要研究由非线性混沌时序所确定的动力系统的预测方法及其应用，通过改进的最优化方法来估计模型的参数，并在其相空间中对时序的未来值进行预测，实例仿真，发现选取最佳的模型阶数能增加预测的准确程度，且混沌时序不可能进行长期的预测。