基于ARIMA模型的中国塑料制品出口量预测及分析

预测中国塑料制品的出口量,对于企业生产方向的把握及经营战略的制定等具有重要的现实意义。为提高时间序列预测方法的预测精度及增强现实适用性,提出一个基于ARIMA模型的中国塑料制品出口量预测模型。仿真实验表明,所提出的ARIMA模型的预测精度高于回归模型,验证了该方法在塑料制品出口量预测中的优越性。最后,给出2019-2021年的塑料制品出口量预测值及提出相关建议。     

基于时间序列的中国尿素产量预测

中国尿素产量约占全球总产能的30％,产量和需求量均居于首位,并且尿素作为粮食的粮食,在粮食安全扮演重要的角色,尿素产量变化具有重要的研究意义.应用时间序列分析2017-2020年尿素月产量,建立预测模型,并用2021年1-9月实际尿素产量对趋势预测模型检验.时间序列拟合的简单季节模型预测的精度较高,该预测模型为尿素市场...     

基于ARIMA线性时间序列的埋地输油管道剩余寿命预测

针对埋地输油管道剩余寿命预测问题,构建基于ARIMA线性时间序列的埋地输油管道剩余寿命预测模型,并对输油管道剩余寿命进行预测。结果表明：基于ARIMA模型预测出该段管道的剩余寿命为27年,与专业的压力实验计算出的剩余使用寿命28年最为接近,与其他模型对比研究,ARIMA模型更为准确地预测出管道剩余寿命。     

基于时间序列成本预测的低倍聚光光伏未来成长性分析

聚光光伏能量转换效率高,节省发电元件,成本下降空间大,具有广阔的发展前景。但以目前的技术尚不能实现高倍聚光光伏的推广,而使用常规单晶硅电池的低倍聚光光伏因技术相对成熟,在现阶段具备短期内进一步降低成本,实现大规模布局的前提。该文通过ARIMA时间序列模型预测低倍聚光光伏成本变动趋势,佐证这一技术在短期未来具备良好的成长性。     

基于时间序列ARMA模型的拱桥施工变形预测

为了促进时间序列分析方法在桥梁施工监测中的应用,利用时间序列ARMA模型对某特大桥主桥施工监控过程中主拱肋控制点变形数据进行分析,预测了后续主拱肋施工阶段的变形情况,并与实测数据进行比较。结果表明,时间序列ARMA模型在桥梁施工中预测拱肋变形具有较高的精度和可靠性,为桥梁施工的控制和监测提供了有效的手段。该研究成果说明时间序列分析方法可大大地改善参数的估计精度,提高模型的预测效果。     

基于ARIMA模型的硅钙渣水泥复合胶凝材料水化热预测

预测硅钙渣水泥复合胶凝材料水化过程中产生的热量,对于这种材料在混凝土结构中的应用具有现实意义。本文基于ARIMA模型基本理论,建立了硅钙渣掺量分别为0%、10%、30%(质量分数,下同)下硅钙渣水泥复合胶凝材料的水化放热量预测模型,通过与试验数据的对比,验证了模型的准确性与可靠性;基于0%、10%、30%这三种硅钙渣掺量下复合胶凝材料的水化放热量试验数据,建立不同龄期下复合胶凝材料的水化放热量预测模型,并对其他硅钙渣掺量下复合胶凝材料的水化放热量进行预测。结果表明:0%、10%、30%这三种硅钙渣掺量下水化放热量预测值与试验值的相对误差均值均小于5%,这说明运用ARIMA模型预测硅钙渣水泥复合胶凝材料的水化放热量具有较高准确性和可靠性;其他硅钙渣掺量下复合胶凝材料水化放热量的预测结果符合实际变化趋势,进一步证明了ARIMA模型在水化热预测方面的可行性,这为定量研究与预测不同类型胶凝材料的水化放热量提供了一种有效方法。     

基于时间序列ARMA模型的振动故障预测

运用自回归滑动平均(ARMA)模型和聚类分析方法确定参考样本和故障样本的特征向量,通过特征向量的距离识别故障类型.根据汽轮机典型故障构造模拟信号,建立其ARMA预测模型,通过聚类分析得出标准信号及待测信号的特征向量.经验证,基于ARMA预测模型和聚类分析的方法能够正确识别故障类型.     

中国塑料制品产量升至世界第二位

据中国塑料加工工业协会最新统计，2004年全国塑料制品产量高达1846．61万t，同比增长11．98％，产量升至世界第二位。     

基于时间序列的胶结充填体变形预测

充填体沉降变形易导致其失去充填空区、支撑围岩及预防岩爆、岩层冒落的作用。为准确预测充填体的变形,建立时间序列GM(1,1)-AR(2)预测模型,对安庆铜矿灰砂比为1∶8、1∶10与1∶12的胶结充填体变形进行预测,以128至164 d的变形值为拟合样本,预测170至182 d的变形值,最大误差仅为0.825%,最小误差为0.185%,置信度远高于95%。该研究为深井矿山安全、高效回采提供了科学依据。     

在役油气管道腐蚀速率的时间序列预测

随着油气管线使用年限的增加,腐蚀必将给管线的安全运行带来威胁。为了预测整个管线的腐蚀情况,确知腐蚀对管线结构完整性的危害程度,有必要对腐蚀趋势进行预测。在充分利用管道腐蚀检测数据基础上,建立了相应的时间序列数学预测模型,并利用此模型对实际管线的腐蚀速率进行了预测,预测结果为描述管道腐蚀缺陷发展趋势、综合评价管线的剩余工作能力提供依据,从而保证管线的安全运行。     

SAS软件系统在石油产量预测中的应用

SAS系统不但具有强大的数据处理和分析功能,而且用于预测的效果也较好。本文结合石油行业产量的特点,运用SAS系统中时间序列建模方法及回归分析方法对原油月产量作了预测分析,预测结果精度较高。实证表明SAS系统用于石油及其他行业的预测不仅是可行的,而且是有效的。     

基于DEA-Malmquist的中国塑料制品产业效率分析

采用DEA-Malmquist函数对中国塑料制品产业的效率和全要素生产率指数演变进行研究,研究结果发现,中国塑料制品产业的效率呈波动上升的趋势,综合效率、规模效率上升趋势明显,纯技术效率有待优化;全要素生产率指数可划分为波动上升阶段和波动下降阶段,技术进步指数在全要素生产率中贡献较大。     

安徽省二氧化硫排放总量的预测研究

分别利用几种常用的污染物总量预测的方法建立了安徽省二氧化硫排放总量的预测模型.经过比较和分析,发现灰色模型的预测效果最佳,并利用该模型对安徽省2006-2010年的二氧化硫排放总量进行了预测.     

基于改进的时间序列算法的云计算集群故障预测的研究

为了应对多线程高并发引起的大量硬件资源消耗所带来的云计算集群系统稳定性挑战,提升系统的故障预测准确率,采用基于时间序列预测的云计算集群系统故障预测的模型.由于传统基于时间序列预测模型是在暂不考虑外界具体因素影响的前提下进行相关的信息的预测,因此存在着预测结果有所偏差的缺陷,因此本文提出一种基于改进的时间序列预测云计算集...     

裂缝性油藏产量预测的一种新模型

本文根据Aronofsky等人由试验提出的产量递减模型,将采出程序与时间的关系模型转变为了阶段产量与时间的关系模型。由于每个裂缝性油藏有其本身的裂缝发育和裂缝展布特征,而不同的裂缝发育和展布特征必将导致油藏的递减规律也不相同。因此,当裂缝性油藏处于递减阶段时,应用上述模型能准确地预测产量递减规律和可采地质储量等。应用本文提出了预测模型,对阿北安山岩裂缝性油藏注水开发以来,产量递减阶段的数据进行了拟合和预测,与应用翁氏模型和水驱特征曲线两种方法分别预测的产量及可采储量对比,相对误差减小了0．01个百分点。实践结果表明,本文提出的产量预测模型适用于注水开发的裂缝性油藏的产量递减阶段,计算简单、快捷、相对误差小,对油田开发及方案编制具有一定的实用性。     

基于季节趋势模型法预测中国尿素产量

运用月平均季节指数趋势法和移动平均季节指数趋势法两种季节性分析方法对2017—2020年尿素月产量进行分析,建立趋势预测模型,用2021年尿素产量对趋势预测模型检验。两种方法均对尿素月产量的预测有实际意义,其中移动平均季节指数趋势法预测的精度更高一些,该预测模型可为尿素市场决策和政府化肥行业指导提供有效的建议。     

基于多元线性回归模型的化纤产量预测

根据我国2001—2011年对苯二甲酸(PTA)、己内酰胺(CPL)、己二酸(AA)、丙烯腈(AN)、浆粕(CP)消费量和化纤产量统计数据,利用PASW/SPSS Statistics 18软件对化纤产量进行多元回归分析,建立了化纤产量五元线性回归模型。结果表明:多元模型相关性、显著性、适合性均明显;通过多元模型预测,2015年我国PTA,CPL,AA,AN,CP消费量分别为29 021.0,1 626.6,1 411.5,1 722.2,4 108.6 kt,化纤产量为41 121.4 kt,接近"十二五"规定产量目标41 000 kt。     

洞庭湖水质的时间序列分析

选取洞庭湖3个湖区中的典型断面2005-2011年的CODMn、NH3-N、TN、TP、Chl.a浓度监测数据,运用季节性时间序列分析法对洞庭湖水质变化特征进行分析,结果表现为:小河嘴断面的CODMn、TP的浓度显著下降,NH3-N的浓度无趋势,TN、Chl.a的浓度显著上升;横岭湖断面的CODMn、NH3-N、TP的浓度显著下降,TN、Chl.a的浓度显著升高;洞庭湖出口断面的浓度CODMn、NH3-N的浓度显著下降,TP的浓度无变化趋势,TN、Chl.a浓度显著上升。     

时间序列预测模型在聚氨酯原料市场价格预测中的应用和比较

众所周知，时间序列分析方法是一种定量预测方法，在统计学中作为一种常用的预测手段被广泛应用于气象预报、地震预报、水文预报、电力负荷预报、价格预测和股票预测等。时间序列分析方法是通过对时间序列的分析和研究，运用科学方法建立预测模型，使得市场现象的数量向未来延伸，预测市场现象未来的变化趋势，确定市场预测值。     

基于多元时序分析的水华预测及因素分析方法

在水华防治工作中,水华预测一直都是一个难点,为了解决由于水华生成过程中多种特征因素间的交互影响建模困难,现有的水华预测方法预测结果还不够准确,以及不同影响因素与水华发生的相关性程度的判定等问题,采用多元时间序列分析技术,研究多特征因素的水华预测及因素分析方法,通过对水华生成过程中的特征因素时序建模分析,提出多重潜周期多元自回归模型,给出了基于多元周期平稳时序分析的水华预测以及因素分析结果。采用本文方法及传统方法分别对江苏太湖水华特征因素监测数据进行建模预测,结果表明,基于本文方法的水华特征因素预测结果与实测结果更相符、预测平均误差绝对值更小。