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。     

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。     

基于ARMA模型的安徽省农村居民收入趋势预测

基于1978~2012年安徽省农村居民年人均纯收入的时间序列,利用Eviews软件对时间序列先后进行平稳性检验、自相关和偏相关分析,并建立ARMA(1,1)模型;然后确定模型参数并对模型的随机误差项进行白噪声检验,检验通过,满足预测的要求;运用该模型对人均纯收入进行预测,结果显示平均绝对误差率较低;利用模型进行农村居民纯收入进行短期预测,数据表明,安徽省农村居民纯收入将保持持续稳定增长的态势增长;最后针对增加农村居民收入与缩小城乡居民收入差距等问题提出了可行性的建议。     

世界石油出口能力预测及对中国石油进口的影响

中国作为世界第二大石油消费国,研究世界石油出口能力具有重要意义.本文针对以往石油产量研究方法的不足,建立多循环模型对石油产量进行预测;同时,结合对石油消费量的预测分析了世界石油出口能力.结果显示世界石油出口能力的峰值平台期出现在2006～2016年,高峰出口能力可达27.52亿吨.针对世界石油出口能力未来走势,重点分析了世界石油出口能力下降对我国可进口石油量和进口石油价格的影响,指出未来我国石油进口量将不断减小,进口石油价格将不断上涨.     

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。     

人工神经网络对时间增长序列预测能力分析

本文从人工神经网络的构成函数出发,分析了网络对某一类具有时间增长特性的过程或序列在学习和建模时存在的局限性和用神经网络模型对这一类系统进行预测时存在的固有误差问题;提出对具有时间增长特性的过程或序列进行预处理后再用神经网络建立系统的非线性模型,最后给出用不同方法对同一系统建模和预测的比较     

社会消费品零售总额ARIMA模型的建立及预测

利用单整自回归移动平均模型,以2000年1月至2005年12月中国社会消费品零售总额的统计数据为依据,根据自相关系数、偏自相关系数的性质,建立合适的模型,并预测2006年和2007年的中国社会消费零售总额。     

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。     

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。     

ARIMA模型在我国原煤生产预测中的应用分析

煤炭作为基础能源产品,对于我国国民经济持续健康发展具有非常重要的战略意义。通过对1949-2008年间我国原煤年产量的数据进行统计分析．发现我国年度原煤产量序列是非平稳时间序列。采用ARIMA模型进行预测分析可以达到良好的效果。建立我国原煤年产量的ARIMA（1,1,3）模型,模拟效果较好,预测误差较小,可用来预测未来我国的原煤产量。     

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.     

随机时序模型在某电信业务预算分析中的应用研究

在电信业务中应用预算分析能起到积极作用,通过模型识别、参数估计、模型诊断和预测使用ARIMA模型进行拟合和预测。实践表明,拟合效果很好,在理论上和实际中应用切实可行。     

基于ARIMA模型的供应链突变风险测度

本文利用系统动力学和ARIMA干预分析法,提出了一种新的供应链突变风险的测度方法。以包含一个制造商和一个零售商的二级供应链为研究对象,并在假设制造商与零售商之间的运输发生突变的基础上,根据对供应链系统反馈结构的分析结果,构建了供应链系统的动态仿真模型。然后,选取总库存、需求短缺量和总利润为供应链绩效指标,根据对仿真结果的描述性统计分析了运输突变风险对供应链绩效的影响。进一步,构建了供应链绩效指标的时间序列ARIMA模型,并利用干预分析法研究了测度运输突变风险的方法。研究表明,运输突变风险使得供应链的总库存平均每周期增加12.44%,需求短缺量平均每周期增加15.49%,而总利润平均每周期降低172.41%。     

基于ARIMA模型的黑龙江创意产业人才需求预测研究

通过ARIMA模型对黑龙江创意人才需求作出预测,在此基础上,为创意产业人才的培养提出对策与建议,使得创意人才总量能够满足黑龙江创意经济发展的需要。     

基于ARIMA(p,1,q)过程的MMSE预测可靠性研究

现实中的决策大多建立在对数据的预测之上,但研究者通常很少涉及预测的不可靠性问题,而暗含假定预测是可靠的。基于目前预测残差为正态白噪声的预设,提出了预测可靠性的概念,以及预测可靠性的度量方法,同时以需求预测中常见的ARIMA(p,1,q)过程MMSE(最小均方差)预测为背景,分析了可靠性与预测精度的关系,以及模型参数对可靠性的影响,初步讨论了可靠性在预测期决策方面的作用。     

基于IOWA的我国能源需求组合预测模型的应用研究

基于诱导有序加权平均算予的组合预测方法是近年来发展的具有广泛应用的预测模型。本文首先采用多元回归、基于HP的ARMA模型及灰色预测方法建立了我国能源需求的单项预测模型,随后引进诱导有序加权平均算子的概念,建立了我国能源需求的组合预测模型。并对我国未来的能源需求量进行了实证分析。预测结果表明该模型能提高组合预测精度,是一种较为简便、快捷且预测效果较好的方法。