基于季节ARIMA模型的电力系统负荷短期预测

电力负荷是影响电网寿命和可靠度的一个重要因素,其月负荷变化具有明显的周期性.介绍了应用季节ARIMA模型进行电力负荷建模预测的理论和方法,将季节ARIMA模型应用于电力系统负荷短期预测,测试结果证明了方法的有效性.     

基于ARIMA乘积季节模型对阿拉尔市风速变化的分析

利用阿拉尔市近20年风速的观测资料,采用季节指数法和乘积季节模型对风速的变化规律进行分析,结果表明:阿拉尔市的风速具有明显的季节性,以一年为周期,主要集中在4-6月份,5月份达到顶峰,综合考虑季节性和周期性的影响,用乘积季节模型ARIMA(1,0,1)×(0,1,1)_(12)拟合序列的发展趋势,以2016年1月至6月的数据为考核样本,检验结果表明模型对风速的预测效果较好.     

ARIMA乘积季节模型及其在传染病发病预测中的应用

本文研究乘积季节模型在传染病发病情况预测中的应用,并探讨提高模型准确性和实用性的途径.以1980年1月至2000年7月江苏省肾综合征出血热发病资料建立模型,以2000年的发病资料作为模型预测效果的考核样本.首先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立乘积季节模型,最后对预测结果进行检验和分析.从而更好地掌握未来疫情动态发展趋势.检验结果表明,用乘积季节模型对肾综合征出血热月发病情况的拟合结果满意,预测效果良好.     

移动GSM网话务量的ARIMA模型的建立及其预测

本文用ARIMA模型对株洲移动GSM网的话务量进行了建模分析和预报,研究表明ARIMA模型不但适合株洲移动GSM网话务量的非平稳时间序列的特点,而且预测效果比较理想。结果表明,ARIMA（1,1,1）提供了较精确的预测结果,可以用来对未来几周的话务量进行预测,有一定的实际价值。     

上海证券市场回报率分析——基于ARIMA模型和GARCH模型

本文分析中国上海证券市场回报率。分别通过APdMA模型和GARCH模型,发现若用APdMA模型分析和建立时间序列模型,一次自回归项是不够的,需要高次项,在大多数情形,若运用GARCH模型,则GARCH（1,1）就能够很好的拟合数据。     

ARIMA模型在达尔文通信模式研究中的运用

首先利用ARIMA模型,研究了进化论的提出者查尔斯·达尔文(Charles R.Darwin,1809/02/12-1882/04/19)从1866到1879年期间的通信量变化规律,并根据模型优化的AIC和BIC准则求得ARIMA优化模型.接着,应用ARIMA优化模型,对达尔文1880至1881年的月通信数量的时间序列进行了预测.预测的月通信数量与实际通信数量的对比说明,ARIMA优化模型拟合效果良好,并能够较好的反映达尔文学术生涯后期实际通信量的时间变化规律.研究结果表明,ARIMA优化模型可以作为一种研究人类通信模式的有效模型加以广泛应用.     

基于ARIMA模型与神经网络模型的股价预测

了解并掌握股价运行的规律是许多投资者和学者所关注的领域,采用了ARIMA模型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测,并对比了两模型的预测精度,结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.     

基于ARIMA模型对我国服务价格指数的预测

基于ARIMA模型对2005年1月至2017年10月的我国服务价格指数月度数据进行预测分析.利用对统计数据的变化趋势及季节性进行验证结果表明该模型合理、有效.运用模型对2017年11月至2018年6月份的我国服务价格指数进行了预测,预测值与实际值的估计误差控制在有效范围内,预测效果比较理想,预测结果为到2018年上半年我国服务价格指数涨幅在3.5%左右,全国居民消费价格指数维持于2%左右,2018上半年出现严重通胀的可能性较小.     

基于ARIMA模型的中国天然气消费量预测与分析

天然气作为一种清洁能源,对优化能源消费结构、发展低碳经济起着重要作用.对我国天然气消费量进行预测,有助于制定天然气行业的产业政策,促进其健康有序的发展.利用ARIMA(1,1,5)模型对我国天然气消费进行了预测,结果表明天然气消费增速将近一步加大,到2015天然气消费量将是2012年的近两倍,对外依存度将达到40%.建议应该加快非常规天然气的开发,加快天然气基础设施建设,尽快完成天然气价格形成机制改革,控制天然气消费的无序增长.     

多种时序模型的建模比较

本文通过不同的时间序列模型对同一批数据的建模及预报,在不同的模型间进行了比较,并且根据原始数据的性质指出了一些时间序列模型的适用范围,     

我国货币供应量的ARIMA模型与预测

本文介绍了符合金融系统预测规律的ARIMA时间序列模型,并根据我国货币供应量实际数据对2008年5月-2009年4月货币供应量走势进行了预测检验。实证预测结果显示与实际№相对照,模型预测精度较高,平均相对误差绝对值仅为1．56％,说明ARIMA模型能比较准确地预测我国货币供应量走势,可为我国货币供应量的预测和走势提供可靠的参考依据,并由此预计在2009年9月货币供应量将突破60万亿元。     

基于ARIMA和LSSVM的非线性集成预测模型

针对复杂时间序列预测困难的问题,在综合考虑线性与非线性复合特征的基础上,提出一种基于ARIMA和最小二乘支持向量机(LSSVM)的非线性集成预测方法.首先采用ARIMA模型进行时间序列线性趋势建模,并为LSSVM建模确定输入阶数;接着根据确定的输入阶数进行时间序列样本重构,采用LSSVM模型进行时间序列非线性特征建模;最后采用基于LSSVM的非线性集成技术形成一个综合的预测结果.将该方法用于中国GDP预测取得的结果,与单独预测方法及流行的其他集成预测方法相比,预测精度有了较大的提高,从而验证了方法的有效性和可行性.     

基于ARIMA模型的我国稀土需求统计及预测分析

以我国1978-2012年稀土需求量数据为样本,运用ARIMA模型对我国"十二五"末稀土需求量进行预测分析.预测结果表明2013-2015年我国稀土需求量总体上将持续增长,到2015年我国稀土需求总量将达到8.27万吨(REO),与2012年相比,年复合增长率为8.48%.预测具有较高的拟合精度,拟合值与观测值具有较好的一致性.通过对我国稀土需求量进行预测以期为政府制定相关行业政策提供决策依据.     

基于ARIMA模型的山西省能源消费的预测分析

通过对1985-2010年山西省能源消费总量数据序列的分析,建立了ARIMA(1,1,1)模型.结果显示:模型对原始数据的拟合程度较好,模型的预测误差小,可用于中短期预测.     

基于ARIMA模型的我国大宗农产品价格指数预测

以2006年6月至2015年12月我国大宗农产品价格指数月度时间序列作为研究对象.构建ARIMA(1,1,1)模型对我国大宗农产品价格指数进行了拟合和预测,并对模型拟合效果和预测准确度进行了检验,效果均良好.预测结果表明,从长期变化趋势看,我国大宗农产品价格指数上涨是大势所趋.从短期变化趋势看,大宗农产品面对较大的价格下行压力.     

干预ARIMA模型及其在我国人口总量预测中的实证研究

本文利用干预时序模型方法简明扼要地对我国建国以来的人口发展趋势建立了动态模型,并预测了未来几年我国人口发展的趋势。结果表明,此模型很好地解释了我国人口发展的动态结构,为促进我国人口政策的调整与扩展提供了很好的参考依据。     

广东省能源消费的ARIMA模型预测分析

对1985-2008年广东省能源消费总量数据序列进行分析,建立了ARIMA(2,2,2)模型,检验结果表明,该模型对原始数据序列有较好的拟合效果,模型的预测效果良好,可用于短期外推预测.     

我国固定资产投资的ARIMA模型分析与预测

本文综合运用了时间序列预测方法,对我国固定资产投资总额进行了分析,建立了自回归求积移动模型ARIMA（4,1,4）。检验结果表明,该模型提供了较好的顸测结果,可为我国全社会固定资产投资提供可靠的参考数据。