时间序列分析在水量预测中的应用

一、引言时序分析是概率统计的一个重要内容,在生物医疗、地球物理、生物生态、故障诊断、天气预报、经济预测等领域得到了广泛的应用。时序模型为分析描述各类数字时间序列提供了有效的数学方法,不仅可用它对一个过程进行识别,亦可对未来趋势作出预报。     

时间序列的数据挖掘在证券预测分析中的应用

由于股票市场的复杂性和难以预测性,从股票市场实际存在的特性出发,搜集大量数据,从中提取相关字符串,将相关字符串放入大量历史数据中进行相似性搜索,从中找出与特征量相关的历史数据,利用股市的周期性对未来进行预测.     

二十年内工农业年总产值“翻两番”的预测资料

一、什么叫“翻两番”? 所谓“翻两番”,就是指以1980年全国工农业年总产值为基础,到2000年,全国工农业年总产值达到原来的四倍,即由1980年的7100亿元增加到28000亿元左右。到本世纪末,价格必然有变动。为了排除价格涨落的因素,翻两番是以1980年的价格作为不变价格来计算的。“翻两番”不是任何产品都翻两番。“翻两番”的经济发展目标,是在对国民经济进行综合平衡的基础上制订的。国民经济各部门的发展速度并不完全相同,具体到每一种产品,有的二十年内可能翻两番,有的翻不了两番,有的可以翻三、四番。“翻两番”是就全国工     

时间序列法在我国石油需求预测模型中的应用

本文首先介绍了时间序列法以及时间序列的种类,通过分析得出我国石油需求序列是有确定趋势的非平稳时间序列,并选择最小二乘法分两步建立模型。然后详细介绍了建模过程,并对模型预测精度和稳定性作了评价,结果表明所建立的模型是较好的预测模型。最后用该模型对我国2006年—2020年的石油需求进行了预测。     

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。     

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。     

DNA序列分析法在金融数据时间序列中的应用

通过线性分段将连续性的金融时间序列转化为离散性的字符序列,并基于DNA序列分析法,讨论了此类字符序列的标度特性,以及在金融数据时间序列预测中的可能应用     

时间序列分析在边检工作中的应用

出入境边防检查站承担着维护国家主权、保卫国家安全、维护口岸秩序的重要职责,其重要任务之一就是对出入境人员及交通工具进行检查.通过对受检查的人员及交通工具数量进行时间序列分析能够及时了解出该口岸的出入境情况,并根据数量的变化及时调整边检站的工作方式.     

时间序列数学模型在税收分析中的应用

本文以贵州省地方税源为例,运用统计、数学模型等方法,探索地方经济与税源以及税收三者之间的关系,预测和分析地方税收的基本概况,并据此提出一些地方税收增长的对策措施,从而为税收管理服务,给领导决策税收政策提供依据。     

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。     

时间序列预测方法评述

本文对目前常用的和较有发展前途的时间序列预测方法进行了评述,分析了这些方法的长处和不足,并指出了一些值得研究的问题。     

小波网络在时间序列分析中的应用

本文把小波分析应用到对时间序列的分析中,利用小波具有时频局部性的优点,通过选择适当的小波基来显示时间序列的周期性和随机性,并由神经网络计算方法来确定时间序列的趋势函数及小波基的系数。通过对具有不同特点的实际例子进行分析,证明方法是可行的     

谱分析在测定时间序列周期中的应用

本文讨论了测定时间序列周期的谱分析方法，结合实例，对泰安市粮食生产进行了最大地谱分析，对粮食生产和畜牧业生产进行了交叉谱分析。在此基础上，分析了粮食生产波动规律及其与畜牧业生产之间的波动关系。     

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。     

相似性挖掘在时间序列数据中的应用研究

针对时间序列的数据挖掘首先需要将时间序列（Time Series）数据转换为离散的符号序列（Symbol Sequence）。在前人的基础上,将界标模型和分段线性化进行了结合,以关键点作为分段依据,以最大似然函数和最小二乘法来拟合各分段线性拟合函数;此方法的优点在于符合人体生理实验结果,考虑了时间序列中的噪声。     

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。     

应用投资资金滞后期预测工业总产值

现代工业生产的发展是一个连续不断的动态过程,它不仅要受到同一时期各种因素的影响,而且要受到过去时期各种因素的影响。过去时期的各种因素,通常被称为滞后变量,滞后变量对工业生产的发展产生滞后的效应。研究工业生产的扩大再生产过程,我们不难发现,投入和产出之间不仅存在重量上的比率关     

长记忆性时间序列及其预测

本文概述了长记忆的概念、性质和分整自回归滑动平均模型（ＡＲＦＩＭＡ）。文章最后利用某市消费者价格指数（ＣＰＩ）进行时间序列长记忆分整建模的实证分析     

改进的BP神经网络方法及其在农业商品总产值预测中的应用

针对BP神经网络应用中存在的训练时间长、收敛速度慢的问题，对常用的BP神经网络方法进行了改进，增加了数据前处理和后处理的过程。前处理过程是对BP神经网络的输入变量采用主成分分析法进行预处理，确定主要的影响因素，解决了神经网络训练时输入变量过多造成的效率下降问题；后处理过程是对训练结果采用回归和相关性分析的方法进行评价，验证了训练结果的精度。对农业商品总产值的预测结果表明．改进的BP神经网络方法能够提高神经网络的训练效率．并且达到了较高的预测精度。该方法适用于解决多因素预测的问题。     

混沌时间序列混合预测方法探索

根据Kolmogorov连续性定理,本文建立了混沌—神经网络(C-ANN)预测模型;提出了基于遗传算法和神经网络的混沌预测模型与方法(C-ANN-GA混合预测方法);解决了混沌时间序列的非解析式预测问题;使混沌时间序列预测方法得到了新的改进和发展。