ARIMA模型在吉林省第三产业总产值预测中的应用

借助于计量经济学软件Eviews5.0,利用吉林省1952-2006年第三产业总产值数据,建立了ARI-MA(2,1,3)模型,并对未来几年的吉林省第三产业总产值进行了预测和分析,以期为吉林省第三产业的规划和决策提供依据.     

ARIMA模型在江苏省GDP预测中的应用

对江苏省1978至2013年GDP时间序列进行分析,建立了ARIMA(4,2,2)模型,经过验证可知该模型具有较好的短期预测力,可作为江苏省制定经济调控政策、经济发展目标提供决策参考。     

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。     

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.     

ARIMA模型在广西短期电力负荷预测中的应用

阐述了疏系数ARIMLA(p,d,q)模型的建立方法,提出了适用于广西区普通日电力负荷预测的数据预处理方法,利用建立的动态ARlMA(p,d,q)模型顺利完成了对广西区普通日电力负荷(每日24个点,正点采集)的预测.全年日预测精确度均达到95%以上.     

ARIMA模型在房屋售价中的预测

时间序列分析方法是经济金融领域中的主要工具之一,通过描述历史数据对新值进行预测。文章运用ARIMA模型来实现对房屋平均售价的短期预测。对原始数据进行差分和季节差分,运用Eviews软件进行分析计算。结果显示预测值和真实值接近,在实际生活中提供可靠依据。     

基于ARIMA模型的安徽省城乡收入差距的预测

根据1978～2012年安徽省城乡居民收入的时间序列数据,运用ARIMA模型,用SAS软件进行拟合,对安徽省城乡居民收入差距情况进行分析,给出了2013～2015年安徽省城乡居民绝对收入差距的预测值。结果显示城乡居民收入差距会继续扩大。     

基于ARIMA 误差修正预测的Klobuchar 模型精化

为了提高目前传统Klobuchar 模型电离层延迟改正精度仅有50%~60%的修正率的现状, 提出一种基于ARIMA 误差修正预测的精化方法。 采用IGS 中心提供的电离层观测数据, 利用双频改正模型解算的电离层VTEC 值作为参考值, 使用ARIMA 模型对每个历元前8 天Klobuchar 模型和参考值之间的偏差值进行2 天的短期预测, 对Klobuchar 模型加以偏差预测改正数进行改进。 采用算例将参考值检验改进的A-Klobuchar模型的预报精度与Klobuchar 模型的预报精度进行对比, 结果表明: 改进后的A-Klobuchar 模型的精度明显高于Klobuchar 模型, 其总体预报精度达到了77. 17%, 能更显著地反映出电离层的周日变化特性。     

基于ARIMA模型的包头市全社会用电量短期预测

通过分析包头市2017—2021年全社会用电量月度数据,运用时间序列的分析方法建立合适的模型,从而达到对包头市未来用电量短期预测的目的.模型预测结果显示：包头市全社会用电量服从ARIMA(2,(1,12),0)模型,利用ARIMA(2,(1,12),0)模型预测包头市未来的短期用电量切实可行,能更好地为电力行业制定短期电力政策提供有力的参考.     

Kalman滤波在ARIMA模型参数估计中的应用

在文献（２,５）研究的基础上,对ＡＲＭＡ模型的状态空间表达作了推广,证明了推广后的形式是ＡＲＩＭＡ模型的状态空间表达式,并证明了由此得到的估计量是最小均方线性无偏估计,最后给出ｌ步线性预报公式。     

基于神经网络的广东省道路交通事故模型

在广东省历年道路交通统计数据的基础上,利用BP神经网络模型和Elman神经网络模型,对广东省道路交通事故进行了建模研究.应用Matlab软件对模型进行了计算实现,并对计算结果进行了分析,结果表明模型效果良好. 更多还原     

融合BP神经网络与ARIMA的短时交通流预测

为了能在交通管理中提前采取措施规避可能存在的交通拥挤或堵塞,提出了一种高效可靠的短时交通流预测算法.首先采用BP神经网络与自回归求和滑动平均(ARIMA)两种方法分别建立单项预测子模型,再以BP神经网络作为最优非线性组合模型的逼近器,建立组合预测模型,对单项预测子模型的预测值进行融合,由此得到最终的预测结果.通过MATLAB与SPSS平台对实测交通流量数据进行了仿真分析,结果表明,该种组合预测方法是切实可行的.     

交通流量的预测仿真

从城市交通规划的角度出发,根据交通流的特性,建立了基于广义回归神经网络的交通流预测模型和基于跟驰理论的仿真模型,并将此模型应用于天津市外环线的某路口,预测了该路口未来某高峰时刻的交通流量,模拟仿真了其交通运行特性,为今后该路口的交通规划和管理提供了直观、科学的数据.     

ARIMA与指数平滑在区域高等教育规模预测中的比较研究

文章利用在校学生数作为区域高等教育规模指标,建立了基于四川省高等教育在校学生数据序列的ARIMA和指数平滑预测模型,并进行了比较,得出最优模型为ARIMA（2,1,5）模型;用此模型对四川省2013—2015年高等教育在校学生数做出了预测。结果表明,四川省高等教育在校学生数在近三年内仍会增长,但增长速度趋于缓慢,到2015年末,四川省高等教育在校学生数约为1163100人。     

基于交通事故间距分布特征的事故黑点鉴定新方法

常用的事故多发点鉴定方法都需在分析事故数据前将路段进行划分,这与事故的空间分布不一致,易导致事故多发点的割裂分析。在对交通事故数据统计分析基础上,验证了单位里程事故数服从泊松分布,并推导出事故间距服从负指数分布,进而可计算出异常事故间距的界限值,认为构成异常事故间距的事故与路况可能存在一定联系,并根据小概率事件原理,可确定出异常事故间距连续出现个数的下限值,大于该下限值的连续事故异常间距构成路段即为事故多发地点。     

道路交通事故等级划分的探讨

从我国目前道路交通事故等级划分实践中存在的问题入手，分析研究了道路交通事故等级划分方法的不足之处；基于这些不足之处，提出了改进的等级划分理念：加入车辆类型和道路等级因素，考虑社会经济发展变化因子的影响，并进行等级模糊化，使之更符合客观情况。最后引进了模糊评判方法对道路交通事故进行了等级模糊划分的研究，在一定程度上改进了原有的分级方法。     

单变量ARIMA模型的铁水钛含量预报

以某大型钢铁企业四号高炉为背景,针对其钛含量采样周期不固定的特点,提出了利用三次样条函数对采样数据序列进行等间距化处理,再利用ARIMA模型进行建模及预测的综合方案.利用Visual C++及SPSS对方案进行了模拟实验.结果表明:该方案预测精度高,符合工艺要求,实现简单,适于在线运行.     

基于混沌理论的交通流短时预测模型

交通流预测是交通系统可行性分析、交通设计和交通管控的基础,短时预测是交通流预测的难点.论文在分析现有交通流预测方法的基础上,提出了一种基于混沌理论的交通流短时预测方法,利用基于小数据量的W olf改进算法计算了流率序列的最大Lyapunov指数.将基于Lya-punov指数的一维预测模式具体化,建立了交通流短时预测模型,并对模型进行了改进,改进后的预测结果具有较高的精度.该模型在智能交通系统(ITS)的交通控制与诱导方面具有广阔的应用前景.     

基于ARIMA的发电量预测方法

根据 1952—2001 年我国 50 年的发电量数据,利用时间序列的有关理论,经过多次拟合,找出适合我国发电量的单整自回归移动平均模型(ARIMA)。利用 AIC 准则确定模型参数。根据模型对我国未来 5年的发电量进行预测,结果表明预测精度误差小于 3%,该方法可满足实际要求。     

基于Morlet-SVR和ARIMA组合模型的网络流量预测

针对网络流量的非线性和多维度动力学特性,结合小波多尺度分析的能力,提出了基于Morlet小波核函数的支持向量机回归算法（Morlet-SVR）和自回归积分滑动平均模型（ARIMA）的组合模型预测网络流量.采用Morlet-SVR和ARIMA分别预测通过Mallat小波分解和单支重构得到的近似信号和多尺度细节信号,最后通过线性叠加得到最终预测结果.通过仿真实验分别对比分析了基于径向基核函数的支持向量机回归算法和ARIMA预测模型,通过3种误差评估得知该组合模型具有更高的预测精度.