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。     

基于GMVAR模型的货币供应量的预测分析

为分析和预测货币供应量的变化趋势,建立了M0供应量的同比增长率RM0与M2供应量的同比增长率RM2的GMVAR(2,2)模型和VAR(2,2)模型.通过对比AIC和BIC发现GMVAR(2,2)模型明显优于一般VAR(2,2)模型.对未知参数进行最大似然估计,发现GMVAR(2,2)模型参数估计的效果较好.通过使用GM...     

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。     

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.     

货币供应量对股市影响的STR分析

使用1997—2012年的季度数据,建立了货币供应量M2与上证综合指数的平滑转换回归模型(STR),研究结果发现,货币供应量M2对上证综合指数的影响机制是非线性的,且是正向的影响.非线性关系的存在说明我国货币政策对股票市场的影响比较复杂,这也为我国货币政策的实施提出了挑战.     

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。     

我国固定资产投资的ARIMA模型分析与预测

本文综合运用了时间序列预测方法,对我国固定资产投资总额进行了分析,建立了自回归求积移动模型ARIMA（4,1,4）。检验结果表明,该模型提供了较好的顸测结果,可为我国全社会固定资产投资提供可靠的参考数据。     

基于ARMA模型的共享单车的投放预测与管理

共享单车作为城市公共交通的有效补充,对其使用情况进行预测能为共享单车管理部门的投放和统一管理提供依据.采用时间序列分析的方法,对城市某一公共场所共享单车的使用情况进行了观察记录,对所获得的序列X-user进行时间序列分析的方法建立了序列ARMA模型.根据所建立的ARMA模型对共享单车的使用情况进行了短期的预测,预测的结果与实际观察的结果具有较高的拟合度,验证了模型具有较好的预测效果.     

货币供应量序列结构变化的内生断点检定

对2000年1月至2012年5月流通中的货币、狭义货币、广义货币进行结构变化的内生断点检验。综合结构变化单、双断点检验的结果,发现两种实证检验的结果是基本一致的。内生断点频繁地发生于2009年第一季度,金融危机爆发后扩张型货币政策使得货币供应量出现向上的截距漂移。其他断点发生在2004年6月、2007午2月和2010年2月等,这些断点也与特定的货币政策下的重大离散事件相对应,重大离散事件对货币供应量产生持续影响。     

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.     

基于季节ARIMA模型的GSM话务量建模和预报

本文用季节模型对天津移动GSM网的话务量进行了建模分析和预报,研究表明用季节模型对移动话务量进行建模分析和预报是可行的,同时在文中我们还给出了带两个周期季ARIMA模型的一般表达式,并用这种带多个周期的模型对实际的网络业务进行了建模和预报。     

烟台地区降水量的AR IMA随机模型研究

采用自回归求积移动平均法(AR IM A),对烟台地区历年来的降水量动态数据进行了分析.结果显示,AR IM A(3,1,2)模型提供了较准确的预测效果,相对误差变化在0.21%~5.75%,可以用于未来的预测,并为烟台市降水量的预测提供了可靠依据.     

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.     

基于ARIMA模型与神经网络模型的股价预测

了解并掌握股价运行的规律是许多投资者和学者所关注的领域,采用了ARIMA模型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测,并对比了两模型的预测精度,结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.     

ARIMA模型在广西全社会固定资产投资预测中的应用

本文采用求和自回归移动平均模型(ARIMA),对《新中国五十年统计资料汇编》及《2004年广西统计年鉴》提供的广西全社会固定资产投资额数据进行分析。结果显示,ARIMA(1,2,1)模型提供了较准确的预测结果,可用于未来的预测。就此,可为广西全社会固定资产投资提供可靠的参考依据。     

基于ARIMA的油田A类物资市场价格预测

本文研究了油田A类物资的市场价格预测。采用时间序列方法中的ARIMA模型,结合油田物资历史价格数据,分析并提出了一套针对油田A类物资的市场价格预测模式。该模式包括两个模块:样本集模块和ARIMA模块。样本集模块的主要功能是样本集的输入和实时更新;ARIMA模块包括了价格预测模型的拟合、检验、预测、评价、动态反馈和调整等主要环节。在该模式的指导下,以大庆油田A类采购物资中的小螺纹钢(20-HRB335)(天津、石家庄和沈阳3个产地)为例,对2011年各月的市场价格进行了模拟预测,预测的平均相对误差分别控制在2.13%,1.64%和1.82%,该结果得到了用户的认可。该预测模式的运用对大庆油田物资集团制定合理的物资采购方案提供了依据。结论部分对该预测模式的意义及存在问题进行了分析,并给出改进建议。     

基于ARIMA模型的我国稀土需求统计及预测分析

以我国1978-2012年稀土需求量数据为样本,运用ARIMA模型对我国"十二五"末稀土需求量进行预测分析.预测结果表明2013-2015年我国稀土需求量总体上将持续增长,到2015年我国稀土需求总量将达到8.27万吨(REO),与2012年相比,年复合增长率为8.48%.预测具有较高的拟合精度,拟合值与观测值具有较好的一致性.通过对我国稀土需求量进行预测以期为政府制定相关行业政策提供决策依据.