基于时间序列分析方法的伊犁州GDP的预测研究

基于时间序列理论,以伊犁州1978年至2014年来生产总值为基础数据,利用Eviewes8.0软件对数据进行处理分析,并对模型进行显著性检验,综合各种条件确定最终时间序列回归模型,对伊犁州未来三年的生产总值做出预测,为伊犁州党委、政府制定相关经济政策和发展战略提供科学依据.     

时间序列预测模型研究综述

介绍了时间序列预测模型的产生和发展,呈现了时间序列模型研究方向的理论、方法和应用,并就未来的发展势态进行了初步的探讨.     

基于时间序列的多因素耦合下GDP预测研究——以伊犁州为例

以时间序列分析相关理论为基础,首先介绍了ARIMA模型和VAR模型的建模过程,然后构造ARIMA模型对伊犁州直GDP进行预测,再考虑进出口总额、社会消费品零售额、工业和建筑业、社会固定资产总额等因素的耦合效应,构造VAR模型对伊犁州直GDP进行预测,最后对两种方法做对比分析,结果显示,VAR模型预测精度较高,误差较小,经济含义明确,预测的GDP结果可为伊犁州党委、政府制定相关经济政策和发展战略提供一定的科学依据.     

广西GDP的统计预测模型及其应用

本文利用SPSS统计软件及非参数统计方法(卡方检验和K-S检验法)对广西1950年至2006年共57年的GDP数据进行实证分析.在最佳准则(即AIC准则)下建立了ARIMA(1,2,1)时间序列模型,并利用非参数统计方法对此模型进行了适应性检验,然后利用2001年至2006年的实际值与该模型的预测值进行了比较.最后,本文利用该模型对广西未来五年的GDP进行了预测.     

青岛港货运吞吐量的时间序列模型

运用时间序列分析方法对时间序列建立ARMA,ARIMA模型.搜集了青岛港1999年1月～2003年5月的货运吞吐量数据,对进行分析,建立了青岛港货运吞吐量的模型.通过预留的部分数据对模型进行检验,并对模型的残差进行检验,得出模型比较合理.     

增长型经济变量的趋势时间序列预测模型

针对增长型外汇储备时间序列变化复杂性的特点,可以建立确定性趋势的时间序列模型及包含单位根的随机趋势模型.实际计算显示,确定性趋势的时间序列模型具有较高的预测精度.     

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.     

我国外汇储备变动的时间序列建模预测

本文通过对我国最近十三年来的外汇储备月度数据进行分析,利用不同的建模思想建立了三次趋势模型、Holter-Winter非季节模型和AR IMA模型来分析短期内我国外汇储备的变动趋势。这三种模型对原始数据都能够较好的拟合,而且用于预测时的结果也相差不大,可以为短期内预测管理我国外汇储备提供有效参考。     

基于时间序列方法的全国铁路旅客周转量的分析与预测

应用两种时间序列分析的方法对全国铁路旅客周转量的月度数据进行分析.运用X-11方法和季节ARIMA模型进行分析并分别对未来5个月的周转量做了预测,结果表明季节ARIMA模型优于X-11方法.通过对全国铁路旅客周转量的定量分析,为铁路部门在计算运输成本,劳动生产率,旅客平均行程等方面提供有效的依据.     

基于BP神经网络的时间序列预测问题研究

分析指出了基于标准BP神经网络的时间序列预测问题存在的不足.根据基于BP神经网络的时间序列预测问题的特点,研究给出了一种以y=x作为传递函数的时间序列预测方法,经实例验证表明,给出的以y=x作为传递函数的时间序列预测方法较基于标准BP神经网络的时间序列预测方法具有较好的结果.     

MODELING AND FORECASTING MONTHLY AVERAGE WATER LEVELS BASED ON THE ELLIPTIC ORBIT MODEL

Evaluation and forecasting of water‐level fluctuation for one river is of increasing importance since it is intimately associated with human welfare and socioeconomic sustainability development. In this study, it is found that time series of monthly water‐level fluctuation exhibits annual cyclical variation. Then with annual periodic extension for monthly water‐level fluctuation, the so‐called “elliptic orbit model” is proposed for describing monthly water‐level fluctuation by mapping its time series into the polar coordinates. Experiments and result analysis indicate potentiality of the proposed method that it yields satisfying results in evaluating and forecasting monthly water‐level fluctuation at the monitoring stations in the Yangtze River of China. It is shown that the monthly water‐level fluctuation is well described by the proposed elliptic orbit model, which offers a vivid approach for modeling and forecasting monthly water‐level fluctuation in a concise and intuitive way.     

模糊时间数列的分析与预测:以台湾地区加权股价指数为例

随着我国经济快速成长，衍生性金融商品的投资分析，已成为国内财务数学研究热门课题。以股票市场而言，人们总希望比别人早一步掌握行情的脉动，以获取最高的报酬率，然而，影响股市加权股价指数波动的因素众多，要如何进行趋势分析与预测，是很多学者相当感兴趣与研究的主题。本文考虑以模糊统计方法，作模糊时间数列的趋势分析与预测。其望应用模糊统计分析方法比传统的时间数列分析方法能得到更合理的解释，且预测结果可以提供决策者更多的信息，做出正确的决策。最后以台湾地区加权股票指数为例，做一实证上的详细探讨。     

基于灰色系统的支持向量回归预测方法

根据部分时间序列数据贫信息、高噪声和非线性等特点,采用含边值修正的灰色模型进行预测,获取残差序列后运用支持向量回归（SVR）方法对模型进行残差修正得到复合的灰色支持向量回归模型．在支持向量回归中构造具有自适用性的动态惩罚参数G替代传统SVR中的不变参数来提高模型的准确性,同时构造算法决定￡以平滑过度调节．广东省工业生产指数的预测试验结果表明,复合模型具有比其他简单模型更理想的预测效果．     

多维时间序列Granger因果性的一种图模型学习方法

传统的两变量Granger因果分析法容易产生伪因果关系,且不能刻画变量间的同期因果性.利用图模型方法研究多维时间序列变量间Granger因果关系,通过Granger因果图的建立将问题转化为Granger因果图结构的辨识问题,利用局部密度估计法构造相应的辨识统计量,采用bootstrap方法来确定检验统计量的原分布.模拟分析以及对于中国股市间Granger因果关系的研究说明了该方法的有效性.     

FLOODING ON THE EEL RIVER: SYSTEM THEORETIC TIME SERIES,TRANSFER FUNCTION TIME SERIES,AND STRUCTURAL MODEL FORECASTS

Three models are developed to forecast precipitation, stream flow, and suspended sediment load for the Middle Fork Eel River basin near Dos Rios, California. The models are a structural model, a transfer function time series model, and a multivariate time series model based on the ideas of linear systems theory. Monthly observations from 1961 through 1970 were used to specify and estimate the models, and their performance was evaluated using 36 observations from 1971 through 1973. The comparisons show that all of the models are able to simulate the general trend of the data fairly well but that the two time series models capture the detail better. The system theoretic time series model fares the best, providing consistently better forecasts of all three series. We conclude that this model would be valuable for use in planning water supply systems in the Eel River basin.     

ARMAX时间序列模型异常点及异常点斑片的估计和检测

将通常的Gibbs抽样和自适应的Gibbs抽样算法用于带有外生变量的自回归移动平均时间序列(ARMAX)模型的Bayes分析,首先采用一些方法消除ARMAX模型中输入(外生变量)序列的影响,然后在前人工作的基础上给出了一种类似的挖掘相应时间序列中的异常点及异常点斑片的方法.说明了自适应的Gibbs抽样算法也能够有效地检测ARMAX模型中孤立的附加型异常点及异常点斑片.实际的和模拟的结果也显示这些方法可以明显减少掩盖和淹没现象的发生,这是对已有工作的推广和扩充.     

时序多指标决策的灰色关联分析法

本文对带有时间顺序的混合型多指标决策，运用灰色关联理论，建立了一种新的灰色关联决策模型，从而为时序多指标决策问题提供了又一科学，合理的决策方法。     

关于双重时序AR-MA模型的相关结构及与ARMA模型的比较

本文在文［４］的基础上讨论了双重时序ＡＲ（１）－ＭＡ（ｑ）模型的相关结构，在不假定白噪声序列为正态的情况下，证明了安鸿志［２］关于模型的相关结构的猜想是正确的，具体地构造了ＡＲ（１）－ＭＡ（３）模型的相关结构，并与ＡＲＭＡ模型进行了初步的比较，给出了一些抛砖引玉的讨论．     

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.     

基于Fuzzy推理的时变系统建模

提出一种基于Fuzzy推理的时变系统建模方法,其基本思想是:对时间维度进行分割,在每个较短的时间间隔内用时不变模型代替时变模型,将这些时不变模型组合在一起,最终获得一个整体非线性时变的微分方程模型.分别研究了输入输出型时变系统和状态空间型时变系统的模型建立方法,除了从理论上保证了所获得的模型对系统的逼近性,还从仿真实验验证了用该方法建立的模型对非线性时变系统有很好的逼近效果.