基于ARIMA模型的河南省能源预测研究

本文根据河南省能源消费的历史数据,建立了时间序列ARIMA模型,并对模型进行分析得出,该模型可以对能源消费作出有效预测,然后应用该模型预测了2012年至2015年的河南省能源消费情况。     

ARIMA模型在河南省GDP预测中的应用及SAS实现

本文介绍求和自回归移动平均模型ARIMA（p，d，q）的建模方法及SAS实现，将ARIMA模型应用于河南省历年GDP数据的分析与预测，得到较为满意的结果。     

ARIMA和SVR应用于供水管网爆管识别的对比研究

以真实城市供水管网监测数据为研究对象,构建了 ARIMA模型和SVR模型2种典型的时间序列预测模型.在正常和发生爆管2种不同工况下分别基于历史数据进行预测.对预测结果进行对比分析得到,ARIMA模型和SVR模型在正常工况下的精度相近,但SVR模型在爆管发生时的预测结果能产生更大的残差,相较于ARIMA模型更适合于数据驱...     

ARIMA模型在上海市GDP预测中的应用

本文用ARIMA模型对上海市1978年到2006年GDP数据进行分析,并预测出未来三年的GDP数据。与2007年实际GDP相对照模型预测误差较小,说明ARIMA模型非常适合于短期预测。     

ARIMA模型在河北GDP预测中的应用

采用求和自回归移动平均模型(ARIMA),对河北经济年鉴的数据进行分析。结果显示,ARIMA(1,1,1)模型提供较准确的预测结果,可用于未来的预测,可为河北发展提供可靠的参考依据。     

基于ARIMA模型的股票价格预测实证研究

<正>ARIMA模型常用来对时间序列做预测分析，而股票价格的预测一直是股民较为关注的问题，准确的预测股票价格有利于在变化莫测的金融市场上做出合理的决策。ARIMA模型通过对历史数据建模，拟合时间序列数据的变动规律，进而预测未来股票的变化。本文选择深信服科技2021年所有交易日的股票收盘价数据，用ARIMA模型拟合其变化规律，最后对短期内的深信服收盘价进行预测。     

铁矿石需求分析预测能力多模型比较研究——面板模型与灰色模型、协整模型、ARIMA模型

建立适用于中国和俄罗斯等人均铁矿石需求增长型国家的面板模型,利用面板模型对中国人均铁矿石消费量进行扩张预测,并按不同年份、不同建模期与灰色模型、协整模型、ARIMA模型的样本内、样本外平均扩张预测结果进行对比,说明面板模型的预测精度优于其他三个模型。面板模型与协整模型均能有效地分析因变量与各影响因素间的关系,一般的灰色模型和ARIMA模型无法达到这一目的。考虑模型对变量之间相关关系的刻画能力及预测精度两方面因素,认为四类模型分析铁矿石需求问题的能力排序为:面板模型协整模型灰色模型ARIMA模型,这一结果表明面板模型用于铁矿石需求分析具有优越性。     

基于时间序列模型的国民生产总值预测

本文基于中国统计局提供的1980年~2016年的国民总收入年度数据,分别构建了Holt指数平滑模型和ARIMA模型预测最近5年的国民生产总值。结果显示ARIMA时间序列模型具有更好的拟合和预测效果,可以为我国宏观经济的发展提供更好的参考。     

基于成都温度季节性变化的分析与预测

基于成都2009年~2016年的平均温度的数据使用SAS对其进行乘法季节ARIMA建模,从模型的识别、参数估计、建模和预测等各方面介绍了模型建立和预测的过程,发现ARIMA(0,1,1)x(0,1,1)12模型能很好的拟合其平均温度的变化,并用该模型进行预测,结果表明平均温度逐年上升。     

基于“谷歌趋势”数据的入境外国游客量预测

入境游客量的预测是制定旅游发展规划和相关政策法规的重要依据。基于“谷歌趋势”提供的涉及旅游活动食、住、行、游、购、娱等环节的相关关键词搜索数据,通过计算相关系数,找出与国家旅游局公布的2004年1月至2015年3月中国入境外国游客量统计数据密切相关的搜索关键词。同时,利用2004年1月至2012年12月的入境外国游客量数据构建一般季节性乘积ARIMA模型,以及带搜索关键词作为自变量的季节性乘积ARIMA模型,分别对2013年1月至2015年3月入境外国游客量进行模拟预测,比较两模型的拟合程度和预测能力。研究发现：加入谷歌关键词作为自变量的季节性乘积ARIMA模型比一般季节性乘积ARIMA模型拟合效果和预测精度高,而中国签证政策与航班信息均对入境外国游客量有显著的影响。     

基于“谷歌趋势”数据的入境外国游客量预测

入境游客量的预测是制定旅游发展规划和相关政策法规的重要依据。基于"谷歌趋势"提供的涉及旅游活动食、住、行、游、购、娱等环节的相关关键词搜索数据,通过计算相关系数,找出与国家旅游局公布的2004年1月至2015年3月中国入境外国游客量统计数据密切相关的搜索关键词。同时,利用2004年1月至2012年12月的入境外国游客量数据构建一般季节性乘积ARIMA模型,以及带搜索关键词作为自变量的季节性乘积ARIMA模型,分别对2013年1月至2015年3月入境外国游客量进行模拟预测,比较两模型的拟合程度和预测能力。研究发现:加入谷歌关键词作为自变量的季节性乘积ARIMA模型比一般季节性乘积ARIMA模型拟合效果和预测精度高,而中国签证政策与航班信息均对入境外国游客量有显著的影响。     

基于ARIMA/RBF-NN的时间序列水质预测模型研究

水质的时间变化趋势预测是进行水环境管理的前提,预测模型在很大程度上决定了预测精度的高低,如何选取有效的时间序列水质预测模型是目前的研究热点之一。以平西湖为研究对象,根据2009-2011年间TN、TP和CODMn月监测数据,提出了一种基于ARIMA和RBF-NN的组合模型,该模型能同时反映水质的渐变性和非线性变化的特点,最后用5个精度评价指标对组合模型的预测结果进行了评价,并和基于ARMMA和时间序列神经网络预测模型的预测结果进行了比较。结果表明,大部分指标显示ARIMA/RBF-NN组合模型对受内生变量影响较大的TN、TP的预测效果最好,ARIMA模型对受外生变量影响较大的CODMn的预测效果最优。     

ARIMA模型在我国原煤生产预测中的应用分析

煤炭作为基础能源产品,对于我国国民经济持续健康发展具有非常重要的战略意义。通过对1949-2008年间我国原煤年产量的数据进行统计分析．发现我国年度原煤产量序列是非平稳时间序列。采用ARIMA模型进行预测分析可以达到良好的效果。建立我国原煤年产量的ARIMA（1,1,3）模型,模拟效果较好,预测误差较小,可用来预测未来我国的原煤产量。     

新疆交通客运量的预测与分析

本文通过新疆统计年鉴中仅有的新疆1990-2015年的交通客运量数据为研究对象,先利用时间序列(指数平滑和ARIMA)模型和非线性回归方法,进行初步地统计分析。根据预测误差最小的原则确定采用指数平滑模型和ARIMA(1,1,1)模型客运量预测的平均值作为新疆交通总客运量的最终预测方法.并给出了新疆2016—2020年的交通客运总量以及公路、铁路、民航等各客运量的预测结果。     

中国石油消费量增长趋势分析——基于ARIMA模型的预测与分析

石油属于重要的战略物资和民用能源,对其消费量进行预测,可为合理安排原油生产和石油进出口提供依据,优化社会资源的配置。本文采用Box和Jenkins的ARIMA模型,对1953年以来我国石油消费量的年度数据进行分析,原始数据来源于《中国统计年鉴》。与结构性因果模型、自回归(AR)、移动平均(MA)、自回归移动平均(ARMA)模型等相比较,ARIMA模型不但适合于我国石油消费量的非平稳时间序列的特点,并且预测效果比较理想。结果表明,ARIMA(4,1,5)模型的预测效果良好,2001年~2005年平均预测误差仅为4.01%,可用于未来我国石油消费量的预测。对2006年~2008年的预测结果表明,今后几年我国石油消费量将以较高的年增长率增加,2008年将达到约53 000多万吨标准煤,表明今后几年我国对外石油依存度将再度上升。     

农产品价格时间序列几种预测模型的研究

本文分析与比较了单指数平滑、双指数平滑、自回归单整移动平均法、季节自回归单整移动平均法这四种畜产品价格预测方法。由于指数平滑法遵循“重近轻远”,在短期预测上能得到较好的预测结果,使时间序列所包含的历史规律性能显著地体现出来。季节ARIMA有时得不到较优的预测模型,这时可以用非季节ARIMA模型来代替,弥补季节ARIMA的不足之处。综合生猪业的发展,用基本的原理和预测模型来逐步分析模拟猪肉的价格,通过大量的努力找到最优的模型。     

随机时序模型在某电信业务预算分析中的应用研究

在电信业务中应用预算分析能起到积极作用,通过模型识别、参数估计、模型诊断和预测使用ARIMA模型进行拟合和预测。实践表明,拟合效果很好,在理论上和实际中应用切实可行。     

基于ARIMA模型的海南月度旅游人数预测

从2011.01～2018。08共104个月的海南旅游人数数据出发,首先利用自相关图和偏自相关图对旅游人数序列进行平稳性检验,根据长期趋势性和季节性的特点,确定采用乘积ARIMA模型。按AIC最小准则,对模型进行定阶,最终建立了ARIMA(1,1,1)×(1,1,1)_(12)模型。通过R软件计算,实现对海南旅游人数的预测。2018年9旅游人数预测相对误差分别为2.06,一步预测效果非常理想。与确定性因素分解模型相比,ARIMA(1,1,1)×(1,1,1)_(12)模型预习效果更优。在智慧城市建设进程中,月度旅游人数预测更能及时、准确地掌握游客数量变动趋势,相关管理部门能提前做好预案,提升游客体验度。     

对重庆市历年GDP的分析及预测

通过查阅1978年～2012年的《重庆统计年鉴》,得到重庆市1978年～2012年的GDP数据,运用Eviews7.0软件及时间序列分析方法对重庆市GDP的平稳性进行检验,根据时间序列模型的识别规则及ARIMA模型的建模方法,建立了ARIMA（1,2,0）模型,用该模型能描述重庆市GDP状况并作短期预测分析.     

基于自回归移动平均模型的黑龙江玉米产量预测

文章基于时间序列理论,以1981年和2010年中国黑龙江玉米产量为基础,对数据进行平稳化处理、模型识别、参数估计,建立时间序列模型,并对模型进行检验,确定较适合模型为自回归移动平均模型ARIMA(2,1,2)。利用该模型对2011-2012年黑龙江玉米产量作出预测并与实际值比较,结果表明,相对误差均在6%左右,预测模型良好。然后利用ARIMA(2,1,2)模型对未来3年的黑龙江玉米产量作出预测,为黑龙江省粮食政策的制定和调整提供可靠的依据。