基于ARMA模型的安徽省农村居民收入趋势预测

基于1978~2012年安徽省农村居民年人均纯收入的时间序列,利用Eviews软件对时间序列先后进行平稳性检验、自相关和偏相关分析,并建立ARMA(1,1)模型;然后确定模型参数并对模型的随机误差项进行白噪声检验,检验通过,满足预测的要求;运用该模型对人均纯收入进行预测,结果显示平均绝对误差率较低;利用模型进行农村居民纯收入进行短期预测,数据表明,安徽省农村居民纯收入将保持持续稳定增长的态势增长;最后针对增加农村居民收入与缩小城乡居民收入差距等问题提出了可行性的建议。     

ARMA模型在随钻地震技术中的应用

根据随钻地震的原理以及时间序列建模的知识,结合已经有的随钻地震信号记录和地层相关资料建立模型,利用判别分析的方法,判别其他待判地层的相关性质,如地层压力、流体性质、岩性等,特剐是判别钻进过程中钻头前方的地层性质。     

利用神经网络确定ARMA模型的结构

本文以时间序列的ＳＡＣＦ和ＳＰＡＣＦ作为输入,ＡＲＭＡ（ｐ,ｑ）模型的类别作为输出来建立神经网络,并利用计算机生成的时间序列的ＳＡＣＦ和ＳＰＡＣＦ对网络进行训练。最后用该网络为多个实际的时间序列都找到了最佳的模型结构     

基于ARMA模型的国内旅游消费分析

改革开放以来,我国经济的快速发展,人们生活水平逐步提高,旅游开始成为一种新潮流。旅游在我国经济活动中占据着重要的地位,在促进经济发展中发挥着重要作用。本文根据1994-2011年有关数据,对国内旅游消费情况进行分析,并在此基础上预测2012年的国内旅游消费值。     

ARMA模型在远程心电诊断中的应用研究

研究适于远程心电诊断，基于ARMA模型的高精度的心电信号(ECG)直接分类方法．利用ARMA模型系数作为特征对ECG信号进行分类和压缩．在对信号特征分类时，采用了BP神经网络分类的方法．利用文中方法对MIT-BIH标准数据库中的正常窦性心律(NSR)、心房早期收缩(APC)、心室早期收缩(PVC)、心室性心动过速(VT)、室上性心动过速(SVT)和心室纤维性颤动(VF)各300个样本信号进行了测试，获得了96．51％～98．38％的分类精度．     

经济波动随机时间序列模型的比较研究

本文分析了线性的ARMA模型和非线性的TAR模型描述经济波动的适用性，论述了两种模型的建立方法，进而对它们描述经济波动的实际效果进行了比较分析，得出结论：TAR模型比ARMA模型更适合于描述经济波动的非线性规律。     

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。     

ARMA模型在西藏自治区GDP预测分析中的应用

文章以西藏自治区1978～2011年的地区生产总值时间序列为具体的分析对象,通过对数据的平稳化处理,在此基础上建立自回归移动平均模型(ARMA模型)。用Eveiws软件拟合ARMA模型并做预测分析。     

基于ARMA模型的我国“十二五”时期财政科技支出预测分析

科技投入是促进经济发展的主要途径和手段,国家财政科技投入水平代表政府对科技的重视程度。本文通过建立我国财政科技支出值的时间序列ARMA模型,对我国"十二五"时期的财政科技支出情况进行预测,以期为政府和企业制定相关政策提供参考和建议。     

用ARMA模型对我国GNP平减指数的短期预测

时间序列分析方法是经济领域研究的主要工具之一,它用合适的模型描述历史数据随时间变化的规律,并预测经济变量值,而ARMA模型是其中较为基础的一种。本文介绍了随机时间序列的统计预测方法,给出了ARMA模型的建立与识别过程,并进行参数估计和检验,以对我国未来短期内的GNP平减指数进行动态预测。     

基于ARMA模型的世界集装箱船手持订单量预测研究

集装箱船订单量的波动极大影响着造船企业的运营,探究其波动趋势对造船企业的健康发展意义重大。在分析自回归移动平均(ARMA)模型建模过程的基础上,以1996年1月至2011年10月世界集装箱船手持订单量为实证对象,建立科学的时间序列预测模型,并对手持订单量的短期发展趋势进行了预测。结果显示:世界集装箱船手持订单量将在预测期内实现平缓上升,且集装箱船市场发展基本处于正常状态。基于预测结果,提出稳定现有订单、合理承接订单及增强创新能力等建议。     

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。     

ARIMA模型在贵州GDP中的应用

GDP作为宏观经济中最重要的一个指标，本文试图以贵州省1950～2006年GDP作为时间序列，建立ARIMA模型来揭示贵州GDP的增长变化规律。     

ARIMA模型在贵州GDP中的应用

GDP作为宏观经济中最重要的一个指标,本文试图以贵州省1950～2006年GDP作为时间序列,建立ARIMA模型来揭示贵州GDP的增长变化规律.     

时间序列模型在湖北省城市化水平预测的应用

文章在客观评述国内外主要预测方法的基础上。根据湖北省1949-2004年城市化水平的时间序列资料,构建城市化水平的时间序列预测模型,并进行实证检验和预测。     

ARIMA模型在贵州GDP中的应用

GDP作为宏观经济中最重要的一个指标,本文试图以贵州省1950～2006年GDP作为时间序列,建立ARIMA模型来揭示贵州GDP的增长变化规律。     

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。     

复合模型在混沌时间序列中的应用

神经网络和传统线性模型结合为处理混沌时间序列提供了新的途径。将Elman神经网络和单整自回归移动平均模型结合起来,同时分析我国进出口贸易量时间序列中的线性和非线性两部分,得到更准确的预测精度。实证表明,复合模型吸收两类方法的优点,较单一模型能够更有效地预测我国进出口数据。     

多元线性回归与时间序列模型在股票预测中的应用

根据上证00001股股票的日线数据,建立多元线性回归和时间序列的预测模型,在对未来数据未知的情况下,利用R语言分析软件预测得出多元线性回归模型和时间序列模型中的回归参数,并评估模型精度。计算结果显示,模型的拟合精度较高,可以较好地拟合该股票数据。     

BP神经网络在我国粮食产量预测中的应用

本文基于BP神经网络模型，进行了2001－2010年我国粮食产量的预测。通过对比传统的“平均增长率一阶滞后模型”拟合及预测1992－2000年粮食产量与实际产量的误差值大小，可明显看出BP神经网络对于处理单输入单输出的时间序列预测问题是一种更具优越性的方法，它具有很强的学习与泛化（推广）能力，具有很好的应用价值。