基于ARIMA模型的图书馆微信公众号用户量预测

运用SPSS统计软件,对某医科大学图书馆2016年至2018年的微信公众号用户量建立合适的ARIMA模型,模型定为ARIMA(0,2,1)(0,1,1)_(12),并通过该模型对2019年1月与2月用户量进行预测并与现实数据进行对比。ARIMA模型的建立旨在为图书馆新媒体阅读推广提供参考。除此之外,将微信公众号功能模块作为影响微信公众号用户量的因素之一,对其点击量进行统计与分析,根据分析结果,需要对菜单功能模块做适当调整。     

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。     

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。     

基于ARIMA模型的河南省财政支出预测

利用ARIMA模型对1979-2008年河南省财政支出数据进行分析,结果表明ARIMA(3,3,5)模型有较好的预测结果,可以用于河南省财政支出的短期预测。     

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。     

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。     

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。     

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。     

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。     

基于SAS系统的时间序列建模应用

SAS系统是国际公认的统计分析标准软件,具有强大的统计分析和统计建模功能,其SAS/ETS模块对时间序列数据编程语言简洁,分析结果可靠。本文以2019年全国大学生数学建模竞赛D题为例,简述SAS系统在数学建模竞赛中的应用实践,进行统计描述,以空气质量检测数据为时间序列建立ARIMA模型,并给出了预测和误差分析,结果表明数据的校准效果良好,提高了数据精度。     

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。     

基于ARIMA模型的linux内核进化预测分析

linux内核进化有较明显的超线性趋势和内在规律.科学地预测软件进化,找到一种简易又有足够精度的预测方法是管理软件工程的一项重要基础性工作.以linux的52个内核版本数据作为时间序列,用ARIMA模型建模并做出linux进化预测,将预测结果和2009年的linux内核进化实际结果进行对比,预测结果令人满意,表明该类模型可以用于linux进化预测.     

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。     

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...     

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。