基于时间序列模型的全国30家电台收视率分析

以湖南电视台和北京卫视为代表,对全国30家电视台卫星频道2008全年日收视率进行时间序列分析,建立了四种拟合模型.其中,大部分电台收视率具有长期趋势或长期趋势和季节效应的综合影响,分别建立ARIMA模型和乘积季节模型,并进行预测,其结果表明模型拟合效果较好.     

基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究

本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.     

ARIMA模型在京津冀区域手足口病发病趋势预测中的应用

本文以时间序列理论为基础,建立了乘积季节ARIMA预测模型。由于手足口病具有明显的季节性,且其发病潜伏期一般为3-7天,因此本文以周为时间尺度,即定义季节周期为53周,探讨了季节性乘积模型在手足口病发病趋势预测中的应用,并通过AIC和BIC信息准则确定最优模型。通过2009-2013年京津冀区域手足口病监测数据实证了季节性ARIMA(p,d,q)×(P,D,Q)53模型的预测效果。结果显示,该模型对手足口病高发时间的发病数预测效果较好,预测发病趋势与实际发病趋势相一致。     

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.     

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.     

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.     

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ARIMA的基金组合绩效成长性的预测

对投资机构而言,准确预测其投资组合的成长性能够为其未来的组合管理提供有效参考.ARIMA时间序列模型能够针对具有时间序列属性的数据进行预测.选取三只债券型基金组成投资组合A并计算其组合指数,以中信标普全债指数为参考,通过ARIMA时间序列模型预测投资组合A的组合指数与中信标普全债指数的差额来预测投资组合A的成长性.     

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.     

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.     

ARIMA模型在上海市全社会固定资产投资预测中的应用

本文采用自回归求积移动平均(ARIMA)法,对《上海市统计年鉴2002》提供的固定资历产投资额资料进行了分析。结果显示,ARIAM(1,1,10)模型提供较准确的预测效果,可用于未来的预测,并为上海市全社会固定资产投资提供可靠依据。     

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。     

我国新能源ARMA模型分析与预测

当煤炭、石油等不可再生能源频频告急,能源问题日益成为制约国际社会经济发展的瓶颈时,越来越多的国家开始开发新能源资源,寻求经济发展的新动力。本文运用计量经济学原理对我国新能源进行动态分析,建立ARIMA模型,给出了新能源的预测方法,为国家能源发展决策提供依据。为企业开发新能源提供决策依据。     

上海市PM2.5浓度的分析与预测

针对上海市PM2.5的浓度进行动态分析及预测.通过使用Page检验分析了上海市PM2.5浓度近几年的变化趋势;然后建立时间序列ARIMA模型对PM2.5浓度日数据进行拟合分析与预测.在此基础上通过引入影响PM2.5浓度的其他因素建立带时间序列误差的回归模型以及引入波动率因素建立带波动率方程的模型改进原时间序列ARIMA模型;通过比较样本外预测的效果,结果表明改进后的两个模型其结果均优于已知文献中的ARIMA模型.     

B—J法在储蓄预测中的应用研究

本文运用 B— J法对我国居民储蓄存款余额作出预测 ,通过 ARIMA和 ARIMAX模型的比较 ,说明回归项的引入有利于提高模型预测效果     

Time Series Forecasting Based on the Logistic Curve

This paper presents a class of models which are designed for forecasting the net sales of a product when the stock of that product is believed to be subject to a saturation level. The forecast function for the stock takes the form of a general modified exponential, a family which includes the logistic as a special case. However, framing the model in terms of the net increase in the product enables a link to be made between the traditional approach to forecasting based on non-linear trend curves and the approach based on ARIMA models.     

ARIMA模型在深圳GDP预测中的应用

对1979至2006年深圳国内生产总值进行了分析,建立了ARIMA(1,2,2)模型,检验结果表明该模型具有较好的预测效果,可为深圳制定经济发展目标提供决策参考.