ARIMA模型在批发和零售贸易餐饮业预测中的应用

运用时间序列分析方法之一的单整自回归移动平均模型（ARIMA）法，对全国批发和零售贸易餐饮业进行时间序列分析。分析显示，ARIMA（1，1，10）模型可以提供较准确的预测结果，可以为全国批发零售贸易和餐饮业预测提供一定的依据。     

基于ARIMA模型的河南省能源需求量预测

利用ARIMA模型对1979—2009年河南省能源需求总量数据进行分析,结果表明河南省能源需求总量在做短期预测时ARIMA（2,2,4）模型是合理的,此模型可为河南省制定节能政策用提供可靠依据。     

厦门市滩涂养殖区变化趋势的预测

分别采用回归分析方法、灰色数列预测方法及时间序列预测中的差分自回归移动平均法（ARIMA）对厦门市滩涂养殖区面积的变化趋势进行模拟,结果表明：ARIMA（2,2,0）模型的拟合效果最好,三次多项式曲线模型和灰色GM（1,1）预测模型的拟合误差均较大．采用ARIMA（2,2,0）模型和三次多项式曲线模型分别对滩涂养殖区面积变化趋势进行短期预测和长期预测,预测结果表明滩涂养殖区的面积呈逐渐下降趋势．     

我国财政支出的时间序列分析

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模型应用于我国财政支出的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型。     

ARIMA模型在广西消费价格指数分析与预测中的应用

根据运用软件建立ARIMA（1,1,1）求和自回归移动模型,并分析广西消费价格指数（CPI）变化规律,为广西消费价格指数（CPI）提供较好的预测,对政府宏观政策的实施提供重要依据。     

两种短期电力负荷预测模型的比较

负荷预测是电力系统规划、计划、用电、调度等部门的基础工作,电力负荷是影响电网寿命和可靠度的一个重要因素。结合某省电网近五年来总电力负荷数据,对电力负荷数据进行分析与预处理,分别运用ARIMA模型与灰色GM（1,1）模型针对该省的电力总负荷分别做未来3天和10天两种情况下的短期预测,重点比较了所用两种方法的优缺点和精准度,得到3天的预测精度上GM（1,1）模型效果高于ARIMA模型,10天的预测精度上ARIMA模型相对较好。     

ARIMA模型在居民消费价格指数预测中的应用

将ARIMA模型应用于居民消费价格指数的拟合和短期预测中,采用2001年1月至2013年10月中国居民消费价格指数的月度数据,借助EViews 6.0软件对数据进行拟合分析,建立了乘积季节ARIMA（5,0,6）（1,1,0）12模型,并讨论了模型的准确性,对未来中国居民消费价格指数进行了预测,该模型具有较高的理论与实际价值。     

基于ARIMA模型的山西省人均实际GDP预测

通过对1978--2010年山西省人均实际GDP数据序列的分析,建立了ARIMA（5,1,3）模型。结果显示：该模型对原始数据的拟合程度较好,模型的预测误差小,可用于短期预测。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。     

基于ARIMA模型的浙江省旅游人才需求预测及人才培养研究

在对近十五年浙江省旅游企业的从业人数统计资料进行分析的基础上,论述浙江省旅游人才培养的供需现状,运用ARIMA模型对浙江省未来几年的旅游人才需求趋势进行预测,并提出浙江省旅游人才培养的对策,以期进一步促进浙江省旅游产业的发展。     

SPSS预测模型在商场中的应用

探讨了SPSS 12统计软件包中回归、指数平滑及ARIMA(自回归求和移动平均)等时间序列分析模块的建模及预测方法。根据金星商场1997年～2005年，1～12月的销售历史资料，建立对数模型、指数平滑模型和ARIMA乘积模型，并对三的预测结果进行比较分析，给出了平均相对误差。得出ARIMA乘积模型误差最小，它适于对有趋势性和周期性的观察数据进行预测。SPSS12统计软件包时间序列分析模块操作方便，在商场统计预测中有广阔的应用前景。     

基于ARIMA-GARCH模型的城市主干道行程时间时变置信区间预测(英文)

为了提高行程时间预测的可靠性,构建了自回归综合移动平均与广义自回归条件异方差性(ARIMAGARCH)模型进行城市主干道行程时间动态置信区间预测,其中ARIMA模型作为GARCH模型的均值方程用于捕获行程时间均值,GARCH模型用于捕获行程时间条件方差.运用昆山市交通监测系统中采集的实际交通流数据进行验证和评估.结果表明,相较于传统的ARIMA模型,提出的方法虽然不能显著提升行程时间均值的预测性能,但是在行程时间波动性预测方面具有较大的优势.该方法可捕获行程时间异方差,从而能够预测出比ARIMA模型预测的固定置信区间更能反映行程时间观测值波动性的动态置信区间.     

沈阳地区月平均降雨量的ARIMA时序建模与预测

运用SAS系统中的ETS模块，根据时间序列分析的统计方法，对沈阳地区历年来月平均降雨量的动态数据进行了建模与预测，模拟了该地区月平均降雨量的动态模型ARIMA，为工农业生产和生态活动的适当调整提供了一定的科学依据。     

ARIMA模型在移动话务预测中的应用

电信运营商通过分析各个时间段、各个具体区域、热点区域的历史话务数据,能够对未来一段时间的话务量进行预测,从而提供面向运营商管理层的决策支持。因此,采用合适的方法对话务量进行准确预测,无论对于话务短期均衡,还是对于网络规划都有一定的帮助。本文将短期预测的代表方法——自回归求和滑动平均（Autoregressive Integrated Moving Average Model,简称ARIMA）模型应用于话务分析,并与往常使用的指数拟合趋势线方法进行对比,实验结果表明ARIMA预测精度较高。     

《诗经·凯风》臆说

《凯风》是千百年来传诵不衰的一首诗,但它的诗旨却是学术界一直争论不休的话题,其主要原因在于对诗中的几个问题解释失当。从凯风与母亲、棘与子、寒泉、黄鸟的声色几个层面,用文字学、语法学、文献学、生物学的方法予以诠释,得出其诗旨是“歌颂与自责并行”的结论。     

组合模型在我国GDP预测中的应用

将组合预测法应用于我国GDP的预测,以提高预测精度。通过赋予合理权重,将指数平滑模型、拟合模型、ARIMA模型和支持向量回归模型加权组合。对各模型进行平均绝对百分误差(MAPE)、均方根误差(RESE)和希尔不等系数(Theil IC)等指标的比较,证明单一模型经过组合能够提高预测精度。     

开封市农业经济转型契机研究

以畜牧养殖业作为开封市农业发展的突破点，结合农业产业结构调整和开封的地域优势，研究开封市农村产业化发展的新契机。分析了开封市发展奶业的优势条件，并提出了发展过程中应该注意的各种问题。     

1913年的确证与犹疑:中国红十字会开封分会创建记述辨析

清末以来,开封辖境内不少机构或个人即有参与红十字运动者,时刊亦多有记载。现行资料对近代开封红十字组织成立时间的记载虽相对较为统一,多持1913年建会说,然而查核相关材料可知此说并不准确。中国红十字会开封分会正式成立最早也应为1914年。基于相关材料得出的1918年正式建会说虽有可能,但仍有待其他资料进一步补证。