广西生产总值的时间序列分析

通过介绍时间序列ARIMA模型分析法,运用SAS8.0软件系统对1978-2006年广西壮族自治区生产总值立模型,通过比较选择了拟合较好的ARIMA(1,1,0)模型,并且作了预测分析,得到较为满意的效果.     

我国城市化水平的时间序列分析

本文利用Box-Jenkin的随机时间序列ARIMA(p,d,q)模型分析法,通过特点的数据处理方式,建立了我国城市化水平的ARIMA(1,2,1)动态预测模型,预测了2006—2010年我国的城市化水平,提出要不失时机地采取相关措施,创造一定条件促进城市化的持续健康稳定的发展的四点建议。     

保山城区空气污染指数的时间序列分析

根据保山城区2005—2008年的大气污染物监测资料,采用时间序列分析中的ARIMA模型,探讨保山城区空气污染指数的变化规律。结果表明,采用时间序列分析空气质量状况是可行的。     

基于ARIMA模型的社会消费品零售总额时间序列分析

运用时间序列分析方法对中国从2003年1月到2011年12月的各月社会消费品零售总额进行分析,得到了xsa序列的关系。从预测图中我们发现,2012年社会消费品零售总额将进一步增长,在投资和进出口疲软的当下,我国经济非常需要消费来拉动。     

时间序列分析方法在心理学中的应用

在传统横向研究的背景下,纵向研究方法在国内心理学领域还未受到广泛的重视。随着心理学的不断发展,人们已经不能满足于对现象的简单描述、横断数据资料的分析和差异检验,而要对人类心理现象发生发展的内部动力机制进行研究,把握心理现象发展的内在规律性。因此,纵向研究就越来越受到心理学研究者的重视。时间序列分析方法就是纵向研究的一种非常重要的研究手段。该方法的重要价值在于它不仅能比较个体间心理量发生发展的趋势,确定动态变化变量间的因果关系,而且可以实现对人类心理和行为的预测和控制。虽然时间序列分析的理论比较复杂,需要长时的施测和记录,操作起来也不是很方便,但它的优势也是十分明显的。在国外,时间序列分析方法作为研究手段在心理学研究中已经取得了一系列理论上和应用上的进展。时间序列分析既是一种研究思想也是一种新的数据分析方法,它更加贴近人类心理的真实情境,有利于心理学工作者对心理学问题开展更加深入的研究。     

中国外汇储备时间序列分析建模与预测——基于ARIMA模型

基于时间序列分析方法对中国2000～2010年月度外汇储备余额数据序列进行建模,通过验证序列的趋势特征,并从中选择最佳拟合模型,预测中国2011年上半年外汇储备规模增长情况。实证分析结果表明,所选模型能较为精确的预测中国外汇储备规模,与实际偏差在0.3%以内,在外汇储备管理研究中将有较大应用价值。     

基于时间序列分析的节气性火灾分析与预测

以2007-2009年每节气火灾发生数据为样本,利用时间序列分析方法拟合三次多项式函数模型,可以揭示火灾发生的规律性,进而确定火灾发生的高危节气,从而为防灾减灾提供科学依据。     

结核病发病趋势的时间序列分析Web服务的设计与实现

随着互联网的发展,我国卫生统计的信息化发展迅速。多年的卫生统计信息化建设,积累了大量的统计数据,如何更好地利用这些数据、分析这些数据,为卫生工作的科学决策提供依据,是亟待解决的问题。利用统计软件SPSS,结合信息技术,设计与实现了时间序列分析Web服务,并利用十堰市2005～2015年结核病发病统计数据,对结核病发病趋势进行了预测。结果表明运用以上提出的方法,可以更方便地进行时间序列分析,为进一步开展大数据在卫生统计中的应用研究奠定了基础。     

混合GM(1,1)SSODMM与时间序列分析预测模型

基于GM（1，1）模型的不足，在GM(1,1)SSODMM的基础上，建立了一个混合GM（1，1）SSODMM和时间序列的预测模型，对某企业产品的销售量进行了预测；并将GM（1，1）SSODMM模型的预测结果与混合模型的预测结果加以比较。     

面向在线讨论的时间序列建模实验

在线讨论中帖子的自动评价与监测是一个极具挑战的研究主题。文章从信息论的视角,提出了在线讨论中帖子的信息量计算方法,并采用自回归单整移动平均(Auto-Regressive Integrated Moving Average,ARIMA)模型,开展了面向在线讨论的时间序列建模实验,得到最优化的ARIMA(5, 2, 5)模型。实验结果表明,ARIMA(5, 2,5)模型能够正确描述在线讨论中帖子信息量的未来变化趋势并给出波动范围,且其预测的准确性优于基准模型。文章探索了面向在线讨论的时间序列建模方法,以期降低监控在线讨论质量的时间成本,并为研究在线讨论质量评价方法提供新的视角。     

基于时间序列分析的火灾趋势研究

一定时期内多起火灾的发生往往能够表现出非常明显、严格的概率规律性,这正是对火灾趋势研究的理论基础和依据。基于24小时火灾统计数据建立火灾趋势分析与控制的时间序列模型,最后根据模型结果对24小时火灾统计数据进行火灾趋势分析,有助于及时控制火灾趋势。     

基于时间序列的数据相似性统计

介绍了时间序列相似性搜索研究的现状,以指定查询序列搜索为算法基础,将其应用于具体的数据统计实践中去.时向序列相似性搜索研究具有挑战性及局限性.     

甘肃省GDP的时间序列分析与预测

以甘肃省1978年至2012年35个年度的GDP数据为例,结合Eviews软件通过识别、估计和诊断等过程实证分析了数据的变化情况,建立了一个能够有效拟合甘肃省GDP变化规律的时间序列模型,得到了误差较小,短期预测较为准确的满意结果.     

基于时间序列数据Hull-White模型半参数估计方法

基于时间序列数据,对Hull-White短期利率模型进行半参数估计。通过两阶段估计方法,原半参数估计模型转化为非参数估计模型和全参数估计模型。前者使用核函数估计方法,后者使用极大似然估计,从而简化整个参数估计过程。实证的结果表明,在给定合适窗宽条件下,基于Hull-White模型的似然值将得到改善。     

基于时间序列成绩分析的班级发展状态研究

研究高校班级发展状态对提升人才培养质量有重要意义.在教学管理制度、教学环境、课程设置、教师授课、班主任无差别的条件下,研究学生高考成绩、地域、城市结构,并对学生成绩进行ARIMA模型时间序列分析发现,一年级是良好班级形成的关键时期,班级管理和班级学风是影响班级发展状态的主要因素.     

基于ARIMA模型的青岛市GDP预测分析

国内生产总值(GDP)是衡量一个国家经济状况的重要指标,对促进经济增长和协助地方经济决策具有重要意义。本文以青岛市为例,选取青岛市1990年至2014年青岛市GDP指标数据作为样本,建立了ARIMA模型,并对青岛市GDP进行预测,并进行检验。结果表明模型的预测数与实际GDP值误差较小。同时根据对影响GDP的指标分析为青岛市经济决策提供重要的依据。     

时间序列分析的理论与应用综述

时间序列分析提供的理论和方法是进行大型高难度综合课题研究的工具之一。其预测和评估技术相对比较完善,其预测情景也比较明确。近年来已有很多学者对于时间序列的研究取得了极其丰硕的成果,有的甚至在时间序列分析方法的基础上,研究出新的预测方法,在应用中求创新求发展。笔者从基本理论与应用等方面对时间序列分析进行了综述,同时阐述了它未来的发展趋势。     

时间序列预测法的实际应用分析

根据所搜集的实际数据资料，以统计学为基础，采用时间序列预测方法，对扬州市农业总产值时间序列建立了趋势模型，结果说明简单模型也能达到较好的拟合效果和精度。     

基于时间序列分析的年最大流量预测

应用时间序列分析方法,将年最大流量时间序列通过趋势项、周期项和平稳随机项的分析、识别与提取,建立时序递阶组合模型。应用该模型对毛家桥水文站年最大流量进行了预测,分析结果表明,建立的时序递阶组合模型具有较好的预测效果。     

基于时间序列的傅里叶级数计算分析

本研究以一个扩散方程为目标推求扩散系数,在研究过程中使用频谱分析方法将时序资料由时间域转换至频率域,若此随机变量具有数个正弦波叠加的特性,频率域上则会出显数个明显的尖峰,据此可以分析时序的周期特性。