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。     

基于时间序列的网络流量分析与预测

随着计算机网络的迅速发展,目前的网络规模越来越庞大和复杂,相应面临对网络有效管理的要求就越来越高。本文通过对CERNET(ChinaEducationandResearchNetwork)上某个端口的网络流量数据的统计分析,给出了一种用时间序列的方法对流量数据进行模拟仿真,从而达到对网络流量的控制和预测以便提高对网络服务的质量。     

基于ARIMA模型对江西省CPI的时间序列分析与预测

CPI,作为衡量通货膨胀率的标准之一,能够很大程度的反映出一时间段内国民经济状况,从而促进有关部门更好地进行宏观调控、采取适宜的经济政策与货币政策、拉动国民经济增长。本文运用R软件,基于ARIMA(p,d,q)模型,对江西省2017年1月至2019年6月CPI指数进行时间序列分析与预测。实证研究结果表明,ARIMA(0,3,1)模型具有很好的预测效果,用该模型预测到江西省2019年下半年CPI总体走向仍然会上涨,并给出了相应的经济建议。     

基于时间序列分析的体育比赛成绩分析与预测

对时间序列分析在体育比赛成绩分析与预测中的应用进行了研究。讨论对体育比赛成绩数据进行时间序列分析的可行性。通过软件SAS和E-view进行实例分析,给出优化模型,用以预测比赛成绩。然后通过对比预测成绩与真实成绩之间的差异,对运动员进行定量评价。     

基于时间序列算法的高校图书馆借阅数据预测及分析

【目的/意义】图书借阅数据的预测对于图书馆的资源建设和精准服务具有重要的指导意义。本文收集了 中国东北地区某双一流高校图书馆管理系统十年的借阅数据,并分别按图书类别、借阅者所属学院分类,对未来的 借阅趋势进行了预测。【方法/过程】本文使用一种基于时间序列的混合预测模型进行图书借阅数量的预测,其中混 合预测是一元时间序列预测与多元时间序列预测的结合。【结果/结论】实验结果表明,时间序列算法用于高校图书 馆借阅数据预测,2008 年到 2017 年借书数量由 300 左右增加到近 4000,2018 年到 2021 年 C、D、G、J、S、U、I类图书 中,D类、S类图书的借阅数量下降幅度最大,U类图书借阅数量下降幅度最小,T类、E类借阅量的上升幅度最大,Q 类、X类的误差率较大,研究结论供高校图书馆管理工作参考。【创新/局限】学界上针对图书馆馆藏资源建设和服务 创新研究较多,但以一元时间序列与多元时间序列预测角度进行研究的相对较少,本文弥补了此方面的不足。     

基于时间序列模型的传染病分析

本文选取了从2005年1月到2011年9月间丙类传染病的月发病数,在考虑长期趋势与季节因素的基础上,选择ARIMA模型来对我国丙类传染病每月的爆发数量进行拟合,同时对未来1年的发病情况进行预测.     

基于时间序列模型对四川省第三产业增加值的预测及分析

本文以第三产业增加值为建模分析主线,应用随机时间序列分析技术,对第三产业增加值进行预测分析。通过格兰杰因果检验,得到普通高等学校毕业生人数和第三产业增长值之间极其显著的相关性,结合统计软件SAS和Eviews,单独研究这一因素对第三产业增长值的影响,据此进行政策调整,以促进四川经济的发展。     

浅谈时间序列的分析预测

时间序列理论是研究计量经济的基础，时间序列分析预测方法是定量分析的主流方法，本文阐连了时间序列的基本特征，并介绍了时间序列的有效分析预测模型：由于已有模型的固有缺陷，这将促使我们进一步探究先进的方法理论。     

基于时间序列分析的飞机完好率预测方法

在航空维修管理中有较多预测问题,对航空装备的技术状态、装备完好性、故障数量、备件消耗等做出科学预测,对于提高航空维修工作预见性、对策针对性和科学性,进而提高航空装备战备完好性和战时利用率水平起着非常重要的作用。飞机完好率是检验航空兵部队装备作战能力的重要参数,本文提出了利用移动平均预测法、单指数平滑预测法和双指数平滑预测法对飞机完好率进行预测,并通过实例分析证明了其有效性。     

基于独立分量分析与小波神经网络的时间序列预测

对时间序列的预测是一项重要的数据挖掘技术。本文将独立分量分析方法和小波神经网络相结合,建立一种ICA—WNN预测模型,并应用于风力发电功率时间序列预测。仿真结果表明所建模型具有较好的泛化性能,得到了较高的预测精度。     

经济序列的趋势分析——基于时间序列的混合模型

社会消费品零售总额代表着宏观经济的发展现状,对其历史数据分析对我国宏观经济未来的发展具有重要意义。本文选取了1997~2014年的我国月度社会消费品零售总额的时间序列数据,通过乘法加法和乘积季节的混合模型来对该序列进行拟合分析,不仅能提取数据之间的相关性,还能够很精确的拟合序列趋势,预测效果显著。     

基于ARIMA模型的东三省粮食产量时间序列分析

本文利用时间序列分析中的ARIMA(p,d,q)模型,根据1978-2013年我国东三省粮食产量数据进行了随机性分析,结合EVIEWS和SPSS等统计分析软件,通过对模型识别、比较、建立以及检验,最终选定ARIMA(3,1,2)模型,并运用此模型拟合了东三省2009-2013年的粮食产量,同时对东三省2014-2023年未来十年的粮食产量进行了分析与预测。     

马尔科夫模型与时间序列法组合预测产品销量

在现代企业管理中,营销管理、目标管理、成本管理已广泛应用,但这些规律理论应用的基础是对来年销售量的预测。文章根据个体消费者的消费随机性特点、空调年销售规律变化特点,根据马尔科夫模型随机性、稳定性特点以及时间序列法对短期预测和变化规律稳定的预测精确度较高的特点,提出对空调的销售量进行预测的马尔科夫模型与实践序列法相结合的方法。     

卫星钟差数据的时间序列分析建模及异常值探测

对卫星钟差进行预报,需要建立准确的卫星钟差模型.卫星钟差的时间序列建模就是一种有效的建模方法.但是时间序列中若含有异常值,就会使传统的建模、估计及检验方法陷入困境,从而不能准确的预测和控制.结合钟差实测数据特点,对卫星钟差数据进行时间序列建模并探测序列中的异常值,比较模型修正前后预报的结果,说明了建模的效果.     

基于小波分析和神经网络的金融时间序列预测

以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。     

时间序列与金融数据实例分析——国库券的月份利率预测方法

金融时间序列是经济领域中最为重要的数据类型,分析这些数据对人们分析市场走势有着至关重要的作用。     

基于时间序列分析的图书类目馆藏量预测

利用时间序列分析方法建立H315与H319两类图书馆藏量模型,预测出后两年馆藏,实验表明所拟合模型具有很好的预测性能。根据预测结果,图书馆合理安排图书架位,从而能减少图书倒架工作。     

上证指数的时间序列分析及其预测

本文根据中国1991年-2009年上证指数的历史数据,建立了三个对上证指数未来走势进行预测的模型,并对预测结果进行了分析,依据分析结果对模型进行了评价。     

时间序列调和模型对旅游周期的预测

本文运用时间序列分析法对北京海外旅游人数进行周期估计,首先运用线性滤波器剔除数据的趋势项,其次对调和模型进行参数估计,最后将所计算的周期与其他方法所计算的周期进行比较.文中运用的方法对于一般的经济数据具有通用性.     

国际石油价格时间序列的混沌分析与预测

石油是当今世界最为重要的基础能源、化工原料和战略资源,它不仅支撑着石油生产国和消费国的经济发展,而且联系着各国国民经济的发展、人民生活水平的提高和国防安全。因此,石油价格是当前全球关心的普遍问题。研究表明,石油市场是具有混沌特性的复杂非线性系统。本文在非线性系统及复杂性理论框架内,采用相空间重构技术,提取描述吸引子特征量参数,定量的证明石油价格演化过程具有混沌特性,并采用混沌时间序列预测法预测石油价格走势。对近3年国际石油价格走势做了短期预测,预测结果表明,如无重大突发事件发生,2008年国际石油平均价格将有所上升,会在高价位持续震荡;2009年则会有所回落,将在每桶64美元上下波动。