SARIMA模型与Holt-Winters模型在丙型肝炎发病率预测中的应用

主要探讨SARIMA模型和Holt-Winters模型在丙型肝炎月发病率预测中的应用价值.首先,利用2006年1月至2018年12月的月发病率数据为基础,分别建立SARIMA模型和Holt-Winters模型;然后,预测2019年1月到12月的月发病率数据,并与实际月发病率数据进行比较,得到SARIMA(2,1,1)(0,1,1)₁₂模型的拟合效果较好;最后,利用SARIMA(2,1,1)(0,1,1)₁₂模型预测了2020年1月至12月的月发病率.研究结果将可为相关部门丙型肝炎防控提供科学依据.     

SARIMA模型在新疆手足口病发病率预测中的应用

建立新疆手足口病发病率的季节求和自回归-移动平均模型(Seasonal AutoregressiveIntegrated Moving Average Model,SARIMA),探讨采用SARIMA模型预测手足口病发病趋势的可行性和实用性.利用R统计软件基于新疆2006-2012手足口病月发病率数据建立SARIMA模型,拟合2012年手足口病各月发病率数据,并预测了2013年手足口病月发病率.经过序列平稳化、模型识别以及模型诊断,SARIMA(1,0,1)(0,1,0)_(12)能较好地拟合既往时间段的发病率,且预测值符合新疆手足口病实际发病率的波动趋势.SARIMA模型能够有效地预测手足口病发病趋势,对预警、防控具有积极指导意义.     

基于IOWGA算子的铁路月度客运量的组合预测

我国铁路月度客运量增长趋势和季节特征明显,铁路月度客运量的精确预测能为铁路部门有效调度运力提供决策依据.选取2010年1月至2019年4月铁路月度客运量数据,先分别构建GM(1,1)灰色系统、Holt-Winters模型和SARIMA模型等3种单预测模型,再依据上述单预测模型,利用IOWGA算子构建组合预测模型,并检验IOWGA组合模型的有效性.结果显示:IOWGA组合模型的各项预测有效性检验指标均优于单个预测模型;预测2019年5月至2020年2月铁路月度客运量仍呈上升趋势,且客运高峰为7-9月和1-2月,客运低峰为11-12月.     

新疆艾滋病发病率的组合预测模型研究

近年来新疆艾滋病发病率较高,预防控制工作严峻,此种情况下,基于2008年1月至2014年12月的艾滋病发病率数据,采用ARIMA方法及广义回归神经网络方法建立了ARIMA-GRNN组合预测模型,并用2015年1月至5月的数据检验模型预测能力,结果模型能较好地对新疆艾滋病发病率做预测,这可为新疆艾滋病的预防控制提供一定的科学参考.     

基于SARIMA模型在我国铁路客运量中的预测

铁路客运量预测是铁路旅客运输生产的重要基础工作,我国铁路运输业客运量呈现出明显的季节性波动.准确预测月度铁路运量能够为我国铁路运输发展规划提供科学依据,具有非常重要的现实意义.选择了2007年1月至2014年11月的全国铁路客运量数据来建立季节时间序列SARIMA模型.经过逐期差分和季节差分后最终建立了ARIMA(1,1,2)×(1,1,1)_6模型,并选取了2008年3月至2014年11月我国铁路客运量数据的真实值和模型预测值进行了对比,平均绝对百分比误差MAPE是10.886%,模型的预测能力"优良",最后对201.5年1月-2015年3月全国铁路客运量进行了预测.     

基于RVM模型的国内游客流量预测研究——以海南为例

引入RVM对海南旅游景区接待国内游客流量进行预测,并利用2011年1月至2016年12月海南交通行业数据和相应的网络搜索数据构建模型的输入集.12个月的预测结果表明,与基准模型相比,RVM具有更优异的预测性能,证实了模型在旅游需求预测领域的有效性.     

“后配额时代”中国纺织品服装出口预测

本文利用单整自回归移动平均模型,依据2000年1月至2004年12月中国纺织品服装出口额数据,对2005年和2006年中国纺织品服装出口走势进行预测分析。     

基于SARIMA模型的居民消费价格指数预测分析

本文基于SARIMA模型对我国1990—2010年的居民消费价格指数月度数据进行预测分析。利用Eviews6.0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,预测值与实际值的估计误差控制的很好。     

温州市区手足口病SARIMA模型建立及应用

基于温州市区(鹿城区、瓯海区、龙湾区)2011年1月至2017年12月月报手足口病新发病人数统计数据,构建了季节求和自回归-移动平均模型(SARIMA).结果表明SARIMA(2,1,1)(0,1,1)_([12])模型平均绝对百分误差(MAPE)为6.002%,能较好的拟合出温州市区手足口新发病人数的季节性和趋势性特征.在对拟合值进行指数化和周期性还原后,预测2018年1-6月温州市区手足口新发病人数仍维持较高水平,其中6月份达到最高1094 (95%CI:321-3723)例.研究结果将可为相关部门制定手足口病防控措施提供决策依据.     

基于ARIMA和BP神经网络组合模型的能源消费预测

在单一的ARIMA模型预测的基础上,提出了一种基于ARIMA模型和BP神经网络组合模型,并以广西区1981至2016年的能源消费数据为例,结果表明组合模型的预测精度要优于单一的模型,故利用组合模型对广西区未来能源消费的预测更加有效.     

基于SARIMA模型的铁路站点客流量预测研究

以我国某铁路站点作为研究对象,选取为期435天的某铁路局全部列车旅客乘车数据进行分析建模.在建立模型时首先将数据分为节假日与非节假日两种类型.对于非节假日数据选用包含周期性的SARIMA模型,对于节假日数据选用波动系数模型,通过两种模型组合对铁路站点客流量进行预测,得到了较好的预测效果.运用方法所得到的短期内铁路客流量变化的准确预测,能够为铁路部门合理安排调度、充分利用人力物力提供参考,有效避免了资源的浪费或因准备不足而造成的车站拥挤混乱.     

组合预测模型在农产品价格短期预测中的应用——以苹果为例的实证分析

以我国苹果批发市场价格为研究对象,利用2006年7月7日至2012年3月30日期间的300个周数据作为分析样本,通过对时间序列的平稳性、趋势性、季节性、异方差等数据特征进行统计检验,筛选出双指数平滑模型、Holt-Winters乘法模型、ARIMA(1,1,4)模型为我国苹果市场价格短期预测的适用模型,以此为基础,以误差平方和最小为最优准则建立了组合预测模型.经对未来3期的苹果市场价格开展预测,结果表明,组合预测的精度要高于单项时间序列模型,组合预测方法完全适用于农产品市场价格的短期预测.     

中国入境旅游客源量的模型对比分析及预测

根据2000年1月至2009年12月中国入境旅游客源量的月度统计数据,建立了灰色预测GM(1,1)模型和ARIMA乘积季节模型.借助于MATLAB及SPSS软件,对2009年1月至2009年6月中国入境旅游客源量进行分析预测,并将两种模型的预测效果进行比较,从而探索出比较合适的短期预测方法,预测方法和结果对旅游规划具有一定的参考价值.     

基于改进的SVR模型在年降水量预测中的应用

鉴于降水量数据的高维非线性性和周期性,建立了支持向量回归(SVR)预测模型用于降水量预测,由于对该模型输入特征的选取极为重要,因此提出了一种基于季节自回归(SARI)的输入特征选取方法.利用已有的降水量数据建立SARI模型,通过观察模型表达式提取建立SVR模型所需的输入特征用于训练支持向量机,并通过网格参数寻优法确定SVR模型的参数,进行降水量预测.实例分析中,应用此模型对黄土丘陵半干旱区域的降水量进行预测,将预测结果与季节时间序列(SARIMA)模型的预测结果进行对比,结果表明,模型具有更高的预测精度和拟合优度,可以用于降水量的预测.     

基于人工智能的黄金价格非线性组合预测

黄金价格时间序列数据具有较强的非线性,在采用单模型对其预测时较多采用线性模型、非线性模型以及加入外生变量的非线性模型.但是,单一模型较难全面体现黄金数据的非线性特征,因此,预测效果不很理想.在利用线性方法进行模型组合时若被组合模型与原数据序列无线性关系,此时采用线性组合预测效果较差,甚至组合后的模型预测精度低于被组合的单模型精度.为充分发挥单一模型的优势,采用人工智能的方法建立非线性组合预测模型,模型可有效利用各模型特点,预测精度优于采用的各单一模型.     

政策干预对银川市空气质量的影响研究

为了研究银川市政府2017年12月施行的限行、减排措施对空气质量的影响,利用干预分析理论,建立了PM10和PM2.5的干预模型.干预模型表明:限行、减排措施对空气质量的改善非常明显.最后利用干预模型预测了2019年1月至3月PM10和PM2.5的指数,PM10和PM2.5预测精度分别为84%和91.2%.     

基于混合Copula模型的投资组合风险分析

金融市场或股票之间的相关关系变化灵活多样,针对现实中往往需要考虑的是多个市场、股票的结构,采用Mixture-Copula模型来分析多元市场的相关性结构,进而构建了Multivariate-GARCH-Mixture-Copula,模型,并选取2002年1月1日至2011年12月31日上证工业指数、商业指数、地产指数三个行业指数序列的2425组数据利用该模型进行实证分析.分析表明,Multivariate-GARCH-Mixture-Copula模型能有效地应用于实际金融市场潜在结构的分析,对投资组合的风险研究有一定的参考意义.     

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.     

陕西省畜牧业总产值组合预测模型研究基于Shapley值

依据组合预测模型理论,利用2006-2016年陕西省畜牧业总产值的数据,分别建立了畜牧业产值的一元回归模型、BP神经网络模型、三次指数平滑模型和基于Shapley值的组合预测模型,得到各模型的预测精度分别为7.38%、4.46%、3.50%和2.90%,可见组合模型的拟合精度低于各单一模型,拟合效果好.为此,利用所得模型对2017-2025年陕西省畜牧业总产值进行了预测.     

交通流灰色RBF网络非线性组合预测方法

针对智能交通系统的开发,提出一种基于灰色GM(1,1)模型和RBF网络非线性组合的短时交通流预测方法.该方法采用三层结构的RBF网络将两种单一预测方法(灰色GM(1,1)模型和RBF网络)进行了非线性组合.利用实测数据对组合方法进行了仿真实验,结果表明:非线性组合模型的预测准确性高于单独的RBF网络预测的准确性;组合模型发挥了两种单一方法各自的优势,是短时交通流预测的有效方法.