汉江安康站最大径流量的动态预测模型研究

用平稳时间序列的ＡＲＭＡ（ｐ，ｑ）模型分析法，分析了汉江安康站１９４３年到１９９５年共５３年最大径流量的水文资料，建立了陕南汉江安康站最大径流量的中短期动态预测数学模型。经对１９９６年和１９９７年的最大径流量进行预测，结果与实际相吻合。     

汉宽安康站最小径流量的动态预测模型研究

本文用平稳时间序列的ARMA（p,q)分析法,分析了汉江安康站1943年-1996年共54年的最小径流量的水文资料,建立了陕南江汉安康站最小径流量的中短期动态预测数学模型,经过1997年的最小径流量进行预测,结果与实际相吻合。     

小波在金融时序预测中的应用

利用小波函数的局部化性质,对非平稳时间序列股票开盘价数据进行分解,然后再进行M allat重构。这样就得到了原始数据的近似信号,再应用传统时间序列预测方法ARMA（p,q）模型对重构后的数据进行预测,将预测结果与实际值进行比较,可得小波分析方法预测效果比较理想。     

陕南汉江安康站径流量年际变化规律的研究

用功率谱和周期图两种谱分析的统计方法，研究了陕南汉江安康站1943年－1997年共55年最大径流及最小径流量年际变化规律，得到了中国西部汉江安康站最大径流量具有4－6年，8－10年，25－27年的准周期振荡，最小径流量具有7－9年，17－18年的准周期振荡的结论。从而为我国水文部门探寻汉江上游径流量年际变化规律提供了科学依据。     

时间序列预测模型及其应用

预测预报是时间序列分析的应用之一，人们根据大量的观测数据对系统进行分析，主要原因是为了能够预测出系统在未来的特性，以便对系统的特性进行处理或控制．文章给出了自回归-滑动评价混合模型（ARMA模型）、平稳序列模型、差分序列模型（ARIMA模型）三种时间序列预测模型，并给出了具体的例子．     

利用样条函数建立季节性时间序列的预测模型

用B样条函数最小二乘法的非参数回归与时间序列相结合的方法建立了季节性时间序列预测模型. 利用滑动平均估计季节项,再利用B样条函数非参数回归估计长期项和周期波动,对于随机项建立ARMA模型,最后对某产品需求量进行了实例分析. 结果表明该方法有较高的预测精度.     

基于EM-GIBBS算法的ARMA(p,q)测量误差模型的参数估计

本文对基于ARMA(p,q)的测量误差模型的参数估计提出了EM-Gibbs算法.由于无法给出模型参数的极大似然估计解析解,本文在EM算法框架下对参数进行估计.在实施EM算法M步骤过程中,为了计算高维正态分布的隐变量一阶、二阶矩,需要求出高阶矩阵的逆矩阵.为了避开计算高阶矩阵的逆矩阵,通过Gibbs抽样,给出了隐变量的一阶、二阶矩的估计,从而给出了EM算法M步骤中参数最优值的估计.最后通过对ARMA(1,1)测量误差模型进行了数值模拟,模拟结果验证了所提EM-Gibbs算法的可行性和有效性.     

青岛市固定资产投资的统计分析

通过时间序列统计分析方法研究了青岛市1991～2011年固定资产投资状况,并对未来5年青岛市固定资产投资趋势进行了预测,为相关部门提供统计学依据.     

基于事件研究法的汇制改革对我国出口贸易影响的实证研究

汇率是开放经济中居于核心地位的经济变量,它的变动对一国经济产生诸多方面的影响。基于事件研究方法,将"2005年7月21日央行宣布人民币汇制改革"作为特定的经济事件,通过构建统计计量模型和相关统计检验,就"汇改事件"对我国外贸出口的影响效应进行研究分析。结果表明,汇制改革后人民币对美元的升值浮动,对我国出口贸易的增长有抑制约束效应;且随着持续升值波动,有逐渐增大的抑制约束趋势,不过在短期内影响不是很强烈。     

语音识别中ARMA模型的研究

在用线性时间序列模型拟合语音数据时(例如用AR模型拟合),模型阶数越高,参数个数越多,统计计算时误差越大.本文在理论上对ARMA(1,q)模型的参数估计进行了推导,在数值计算上,得到了ARMA(1,0)模型的参数估计并对模型进行拟合,解决了用AR模型拟合语音数据时,统计计算时误差较大的问题.     

中国人均GDP的时间序列模型的建立与分析

人均GDP是人们了解和把握一个国家或地区宏观经济运行状况的有效工具．本文在介绍时间序列模型的基础上,结合1952-2006年的中国人均GDP数据值,应用SPSS软件对数据进行了兮析,建立了中国人均GDP的时间序列模型．文章详细介绍了模型建立的整个过程,并由此模型时中国2007-2010年中国人均GDP的数值进行了预测．这对我们从宏观上了解中国经济的发展状况,为国家制定科学合理的经济发展战略具有重要意义．     

多维ARMR(p,q)模型的适时递推预报

本文讨论了多维 ARMA(p,q)序列的新息预报 ,利用有限个观测值给出并证明了两个递推预报公式     

混沌预测技术在径流预报中的应用

以多条河流的径流时间序列为例详细分析了基于混沌动力学的局部预测方法，并与全局方法和基于随机理论的ＡＲ（ｐ） 模型等预测方法进行了对比，结果表明，局部预测方法往往优于其他预测方法．     

金沙江流域月径流时间序列的混沌分析

在介绍重构相空间技术的主要定量指标(关联维数D2和柯尔莫奇诺夫熵)的基础上,以长江上游金沙江流域小黄瓜园站和蔡家村站的月径流时间序列为例详细说明了求取时间序列中的混沌特征数的方法;并且采用主分量分析(PCA分布)方法进一步验证了两个站的径流序列具有混沌特性.得到金沙江流域径流序列的预测年限不应超过7～9个月,为金沙江流域径流预测提供了科学的依据.     

关于全平面上收敛的B-值Dirichlet级数的(p,q)(R)型和下(p,q)(R)型

通过把B-值Dirichlet级数在全平面上的(p,q)(R)型和下(p,q)(R)型转化为Dirichlet级数在全平面上的(p,q)(R)型和下(p,q)(R)型,结合相应的Dirichlet级数的结果,得出了关于B-值Dirichlet级数在全平面上的(p,q)(R)型和下(p,q)(R)型的相应结果.     

图模型方法及ARMA模型检验

应用图模型方法来研究时间序列中的因果关系,并以ARMA(1,1)时间序列为例作了说明.将ARMA模型表示成混合图,证明了ARMA模型的系数就是在移去了时间序列中其他成员的线性效应后的偏相关系数.这样就可运用通常的图模型推断算法来做参数估计和预测.与传统的对ARMA模型的检验法相比较,该方法既直观又易于计算.     

股票市盈率的ARMA模型建立及预测

针对寻找影响市盈率多种因素的困难,提出从市盈率的数据的本身出发,利用B-J时间序列分析方法建立自回归滑动平均模型ARMA,对股票市盈率分析并预测。对皖维高新股票的市盈率的数据实证研究并短期预测,结果表明其预测效果良好。