时间序列预测法的实际应用分析

根据所搜集的实际数据资料，以统计学为基础，采用时间序列预测方法，对扬州市农业总产值时间序列建立了趋势模型，结果说明简单模型也能达到较好的拟合效果和精度。     

基于ARMA模型的我国工业总产值的时间序列分析

大多数的经济时间序列存在着惯性,或者说具有迟缓型。通过这种惯性分析,可以由时间序列的当前值对其未来值进行估计。以1952～2004年我国工业总产值的历史数据为基础,将这些数据平稳化,建立自回归移动平均模型(ARMA),从中找出我国工业发展的内在规律,为相关政策的制定提供依据。     

基于人工神经网络的工业总产值预测模型

工业总产值随年度变化是非线性的、动态的,人工神经网络具有逼近任意非线性映射的特性.本文利用人工神经网络建立工业总产值预测模型,针对传统BP算法--梯度下降搜索方法不足,提出用改进单纯形法优化求解人工神经网络参数.研究表明:采用改进单纯形法优化参数,建立人工神经网络的工业总产值预测模型,模拟和预测结果是理想的,具有一定的可行性、科学性和实用性.     

考点50二战后的社会主义国家和亚洲经济的发展

（1）成就：①1950年工业总产值超过1940年的73％。②农业总产值接近战前。③国防工业取得重大成就，1946年建成原子能反应堆，1949年爆炸了第一颗原子弹，打破了美国的核垄断。④完成了第四个五年计划（1946-1950年）。     

时间序列模型在山西省能源需求预测中的应用

通过对山西省1991-2013年能源消费时间序列进行分析,建立了ARIMA(1,1,1)模型,并对2014-2018年山西省能源消费进行预测,结果显示模型拟合度高,预测误差小。     

基于多种模型的海南省国内旅游需求预测

运用1988-2011年海南省国内游客数据,通过趋势外推模型对海南旅游需求进行预测。最终选择了具有较好预测精度的模型,并对2012-2020年海南国内旅游人数进行了预测。     

TS模型在山区旅游公路里程预测中的应用——以商洛为例

文章以时间序列分析为平台,通过2000-2011年陕西商洛公路交通里程年统计资料为原始数据,建立商洛市旅游公路里程的TS模型并进行模型精度检验;分析结果表明,模型预测结果与实际数据基本一致,进而利用该模型对研究区2012-2016年公路里程进行了短期预测,为保障当地旅游事业的有序发展提供基础的客观依据.     

时间序列预测模型的比较研究——基于湖北省人均GDP的实证分析

该文以湖北省1987-2010年的人均GDP时间序列数据建立了3种时间序列预测模型,然后通过一系列预测精度指标对比分析,选出ARMA模型为最优预测模型。并以2008-2010年的数据作为检验数据对其预测效果进行了检验,证实了其预测效果非常理想,最后对湖北省2011年和2012年人均GDP值进行了短期外推预测。     

Holt-Winters模型与X-11模型在预测中的比较研究

以实际数据为例,时一时间序列分别建立Holt-winters模型与X-11模型并进行预测.从而对这两种统计模型进行比较研究,得出对于既有趋势又有季节性的时间序列进行预测X-11模型优于Holt-Winters模型.     

基于差分法的财政收入回归模型

利用2009年中国统计年鉴数据,采用差分法结合SPSS软件对财政收入的影响因素进行逐步分析,得到对其有显著影响的农业总产值和工业总产值,建立它们与财政收入的线性模型.     

洛阳市人口发展趋势的ARIMA模型

基于洛阳市1989-2009年人口总量数据和线性时间序列建模方法,建立了洛阳市人口发展趋势的ARIMA(2,2,1)模型,并且对2010-2016年洛阳市人口总量和发展速度进行了预测.预测结果显示,洛阳市总人口在未来几年将保持平均增长量为3.6万,平均增长率为0.52%的态势增长.     

基于ARIMA模型的传染病疫情计量研究

通过自回归移动平均模型(ARIMA)曲线拟合乙型肝炎疫情的发病数,以此为依据对传染病行业的需求进行分析和预测。选择2009～2018年乙型肝炎发病数据,通过时间序列分析法进行处理,采用序列平稳化、模型估计、模型检验拟定ARIMA季节性模型。并使用2013年1月-2016年12月我国乙型肝炎发病数据来进行模型验证,再预测未来一年的乙型肝炎月发病数,可得知2009-2018年乙型肝炎的发病数据可以被ARIMA(3,1,2)(1,1,1)12模型很好地拟合。根据模型预测得到,2019年我国乙型肝炎的发病数为1224591例,总体呈上升趋势,在3、7、8月份逐月增加,随后又有所减少。     

时间序列预测模型在中小企业中的应用研究

文章应用几种不同时间序列预测方法对中小企业销售额进行建模并预测,旨在建立适用于中小企业的预测方法和预测模型,收集了某企业某产品2006~2012年各月销售额数据,利用时间序列中的回归模型、ARIMA模型对其进行拟合建模,并运用各模型对2013年前6个月的销售额进行了预测及比较分析,从中选出预测精度相对较高的模型。     

基于粗糙集与RBF神经网络的农业总产值预测方法

提出了把粗糙集和R BF神经网络相结合应用于农业总产值预测的方法。首先用粗糙集对影响农业总产值的多个因素进行属性约简,选择主要影响因素,去除冗余信息;然后利用RBF神经网络建立预测模型。最后对该模型的预测结果与因子分析神经网络模型的预测结果进行了比较,表明了该模型的有效性和优越性。     

基于ARIMA模型的短期风速预测方法

ARIMA模型的实质就是差分运算与ARMA模型的组合.这说明任何非平稳序列只要通过适当阶数的差分和选择合适的差分算子就可以实现平稳化处理.由于不同的随机时间序列有着不同的特点,需要选择合适的差分算子来匹配.为了提高风电场风速的预测精度,本文研究了两种不同的差分算子对随机时间序列的影响,分别采用一阶线性差分和一阶对数差分实现了序列的平稳化处理,对差分后的序列进行ARMA队模型拟合与预测,并将两种预测结果进行了对比.     

灰色马尔科夫模型在旅游人数预测中的应用

对我国2004-2015年国内游客数据建立模型,用2016年和2017年的数据检验模型的预测精度.首先对其建立灰色GM(1,1)模型并预测,模型精度为97.465%,预测平均绝对残差为182.986 4.利用无偏灰色模型对其进行修正,与灰色模型相比,预测平均绝对残差减少了0.629 4.然后又建立了传统灰色马尔科夫模型和无偏灰色马尔科夫模型,两种模型的精度都达到了99%,预测平均绝对残差分别为11.022 3和7.105 6,因此,两种模型的拟合和预测效果都大大提高.最后利用相对最优模型无偏灰色马尔科夫模型预测我国2018-2020年的国内游客数分别为:5 639.366 8百万人次、6 363.854百万人次、7 181.415 7百万人次.     

我国食物中毒事件分布特征及时间序列分析

食物中毒报告是反映食品安全水平的一个重要方面.本文通过对2000年-2012年我国13年食品中毒事件、中毒人数以及死亡人数的研究,并运用时间序列分析中的ARIMA模型对全国食物中毒事件的起数进行分析和预测,取得了较好的结果,预测结果充分显示了时间序列模型在食物中毒起数预测中具有一定的应用价值.     

农业总产值的影响因素综合分析

在前人的分析基础之上,选取农用机械总动力、第一产业就业人数、财政对农业的支出为影响因素,采用eviews6.0对农业总产值进行分析,结果表明,剔除财政支出因素,农业总产值与农用机械总动力、第一产业就业人数有极大的关系.由此可知,发展农业必须着眼于提高农业的装备程度,优化农业劳动力的水平和农机设备操作技能.     

基于ARIMA模型的河南省GDP指数分析

将时间序列模型应用于2005年第一季度至2018年第三季度的历史GDP指数数据并进行分析.构建ARIMA模型和残余自回归模型,并在此过程中进行白噪声测试和参数测试.结果表明, ARIMA(0, 1, 4)模型是一个相对优化的模型,适用于短期内预测河南省GDP指数的未来趋势.在此基础上作出短期预测结果,显示未来四个季度的河南省地区生产总值指数值呈现稳步减缓的趋势.     

高斯混合模型的矩阵推广

时间序列分析中经常出现的非高斯性质,使得传统的时间序列分析建模方法无法适用,所得到的预测值出现偏差,预测精度受到影响.本文推广了一维时间序列混合模型到多维高斯混合转移分布模型(MGMTD模型),证明了该多维时间序列混合模型下的一阶平稳性条件,并给出了该多维模型下的EM估计算法.本文将MGMTD模型应用于对我国炼焦煤炭和天然原油的价格预测分析中,实证结果显示,MGMTD模型可以得到较好的预测结果.