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.     

基于灰色系统模型的山西省物流需求预测分析

选取山西省2007-2013年的货运周转量、全省生产总值、人均生产总值、进出口总额、公路里程、铁路营业里程、公路载货汽车拥有量等10个影响因素,利用灰色关联分析对影响山西省物流发展的这些影响因素进行分析,结果显示人均生产总值对山西省物流发展的影响力度最大,选取货运周转量为特征因素,人均生产总值为其相关因素,利用灰色预测模型GM(1,2)模型,对山西省未来3年的物流需求进行预测.预测结果显示:模型具有较高的预测精度,对山西省物流的规划和制2发展战略起到参考作用.     

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.     

交通运输结构调整对碳排放的影响效应研究

近年来愈发严重的雾霾天气,使得交通运输行业的节能减排问题成为中国能源与环境战略研究领域的重中之重。因此,有必要研究交通运输结构调整对节能减排的影响效应。在考虑别国交通运输行业结构变化对我国交通节能减排示范效应以及数据可得性的基础上,本文利用1990~2011年公路、铁路、水运、民航客货周转量和交通碳排放量的数据,构建以中国、美国、欧盟以及日本为截面个体的面板数据模型。实证结果表明对于结构减排效应最明显的日本和欧盟来说,日本铁路周转量占比每提高1%,本国的单位周转量碳排放减少3.63%,欧盟水运周转量占比每提高1%,单位周转量碳排放将减少22.11%。而我国对应的这一数字分别为0.38%和0.06%,表明我国交通运输行业在结构性碳减排方面潜力很大。最后基于交通运输行业供给侧改革的背景,结合本文研究结果从客运和货运两方面提出了相关政策建议。     

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.     

基于灰色预测模型的广东省货运总量预测研究

随着广东融入"一带一路"战略以来,广东货运总量呈现快速发展的态势,但同时货运总量增长过快导致物流基础设施承载负担过重的问题,因此对货运总量规模的测算和货运总量发展趋势的探讨显得尤为重要,利用2011-2017年广东货运总量及其构成等数据,运用EXCEL、MATLABR2018b和数学建模方法,建立灰色预测GM(1,1)模型并对模型进行验证,证明模型可用,然后分别对2018-2022年广东省货运总量及其构成进行预测.结果表明:1)广东省货运总量呈逐年增加趋势,在货运总量构成中,只有铁路货运量呈逐年衰减趋势.2)在五种运输方式中,货运量结构严重不均衡,公路货运量、水路货运量平均占比分别为72.554%、24.754%.铁路货运量、管道货运量和民航货运量三者平均占比之和仅占5.522%.这表明广东省运输方式和货运结构亟待优化,同时也反映政府在货运政策调适方面滞后.最后,从基础设施投入与货运网络体系优化方面提出相应的对策.     

基于DEA-Malmquist模型的西北地区能源空间转运格局效率及其变化分析

西北地区有着丰富的能源资源,对其能源空间转运格局进行效率评价及全要素生产率时空演变分析,对推动整个地区的发展有着重要意义.运用DEA中的BCC模型,对2016年西北地区的铁路和公路货运效率进行研究.利用Malmquist指数方法及ArcGIS软件,进一步分析2010-2016年西北地区铁路、公路货运全要素生产率的时空演变和地区差异.研究表明:1)2016年西北地区铁路货运效率总体水平较高,公路中等;存在地区差异性,东部整体高于西部;规模效率决定其有效性.2) 2010-2016年铁路和公路的Malmquist指数整体较稳定,技术进步变化对该指数影响最大.从时空演变来看,2010-2016西北地区铁路货运的Malmquist指数先升后降,地区差异先减小后增大;公路货运的Malmquist指数先降后升,地区差异先减小后增大最后又减小.     

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.     

基于灰色关联模型的家具产业集群与区域物流联动发展研究——以江西省为例

选取2003-2013年度数据,基于灰色关联模型,对江西省家具产业集群与区域物流联动发展进行了实证分析,得出以下结论:江西家具产业集群最大的制约因素为货运总量和货运周转量,同时,江西家具产业集群中的家具总产值为区域物流发展的最大制约因素.江西家具产业集群与区域物流具有较高的关联性和协调性,但两者之间协调耦合度具有较为明显的波动性.为有效实现江西省家具产业集群与区域物流的联动发展,提出相关建议.     

基于乘积季节模型的社会消费品零售总额分析

社会消费品零售总额是反映人们消费水平的重要度量指标,也是国民经济体系中的一个重要评价指标.因此,分析研究社会消费品零售总额发展趋势对于转型期的中国经济高质量发展具有重要意义.基于乘积季节模型对2001年至2020年的社会消费品零售总额数据进行时间序列分析,经过差分、单位根检验、模型识别与拟合等过程,确定最终模型为ARIMA(1,1,1)(1,1,0)12,结果表明,社会消费品零售总额数据具有明显的线性趋势和季节性特征,并进一步得出其波峰和波谷到达的时间,另外,该模型对社会消费品零售总额有非常好的拟合效果,且有较高的预测精度.     

基于不确定理论的铁路货运需求预测

合理预测铁路货运需求是铁路管理部门建设、运营等决策基础。为应对铁路货运需求的复杂变化,基于Pearson相关性分析方法筛选出铁路货运需求的七个具有关键影响的因素,并结合不确定理论建立不确定多元线性回归模型,相应的铁路货运预测结果由传统单一值变成可能的需求区间范围,更加符合处于不确定环境下的铁路货运需求实际情况。选取国家统计局2004~2016年相关数据进实证研究,并与回归模型以及BP模型的预测结果对比分析,实验表明不确定多元线性回归的预测结果更加精确。     

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.     

用SASD统计包预报含季节变化数据

一、引言 时间序列分析可以揭示一个按时间间隔搜集的统计资料所反映的规律.一直掌握这种规律,即可对未来作出估计,这种估计就是预报.预报是任何决策的基本工具,它对 工程技术人员和管理人员是非常重要的。 时间序列中通常包括四种变化成分;长期趋势、周期波动、季节变动和随机变化.长期趋势是指变量值在一个长期内所呈现的增加或减小的趋势.周期波动是指在一年以上的时期内,时间序列沿其长期趋势线上摆动的波动变化.季节变动是指在一年内围绕趋势线的可以预报的重复运动.随机变化是指时间序列中的随机变化因素. 随机数据统计分析软件包SA…     

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.     

基于灰色马尔科夫模型的陕西省铁路客运量预测

随着我国高铁客运的快速发展,从铁路客运历史趋势中探寻规律、把握铁路客运发展趋势,旨在对中国铁路公司及相关企业的决策提供科学依据.基于2005-2016年陕西省铁路客运量数据,在灰色GM(1,1)模型预测的基础上,运用马尔科夫过程对预测值进行修正,并对2017-2022年陕西省铁路客运量进行预测.结果表明:经过马尔科夫过程修正的灰色预测模型平均绝对误差由原来的4.64%降低到2.94%,预测效果明显.经检验,灰色马尔科夫模型的精度等级为一级,说明了方法对陕西省铁路客运量预测的有效性.     

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.     

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.     

南通地区月降水量时间序列分析

根据南通地区1989年-2005年月降水量数据,在统计检验其平稳性、纯随机性的基础上,结合谱分析,建立该地区具有季节效应的疏系数ARIMA月降水量时间序列模型,对模型作了拟合预测检验.研究表明,多个模型的联合使用比单一模型更利于准确拟合预测.     

区域经济均衡发展中铁路投资对策研究

铁路对经济的发展意义非凡,国家十分重视铁路行业的发展如何加快并保障我国铁路事业均衡、快速、可持续发展已引起人们的普遍关注.利用VAR模型研究铁路里程与经济发展的关系,可知铁路里程与经济发展互为格兰杰原因.文章利用一元二次回归模型,对1986-2015年全国平均铁路里程和云南平均铁路营运里程进行建模分析并预测.分析预测数据,若云南省计划于2030前达到全国平均水平,需要增加修建铁路2688KM,需要中央在原投资的基础上每年增加转移支付90亿元.     

季节调整对单位根检验的影响——基于蒙特卡罗模拟的研究

季节调整是使用季节数据进行经济分析的前提.但是季节调整是否会对单位根检验的结论造成影响却是一个存在争议的问题.本文扩展了Ghysels和Perron的分析框架,通过蒙特卡罗模拟考察了X-12-ARIMA季节调整对ADF和DF-GLS单位根检验的影响.结果表明,对于季节时间序列,使用季节调整后数据,只要滞后阶数选取合适,单位根检验的功效就不会发生严重损失.