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.     

基于季节ARIMA模型的电力系统负荷短期预测

电力负荷是影响电网寿命和可靠度的一个重要因素,其月负荷变化具有明显的周期性.介绍了应用季节ARIMA模型进行电力负荷建模预测的理论和方法,将季节ARIMA模型应用于电力系统负荷短期预测,测试结果证明了方法的有效性.     

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。     

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。     

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.     

ARIMA模型在医院季节性时序资料预测中的应用

通过分析医院时间序列资料的变动规律，本文找出了其共同的特点（如趋势增长或下降季节变化）和共性中的特点（高峰值的不同周期）。由于时间序列是由： Ｘ（ｔ） ＝Ｔ（ｔ）＋Ｓ（ｔ） ＋ｅ（ｔ）的成分构成，具有较明显的周期变化、增减趋势和季节波动，故医院季节性时间序列资料大都为非平稳时间序列，本文给出平稳化的步骤。预测具体方法和结果。     

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。     

ARIMA模型在新疆巴州梅毒疫情预测中的应用

搜集2008-2014年新疆巴音郭楞蒙古自治州(简称巴州)梅毒月发病数据,采用时间序列分解方法(Time Series Decomposition methods)探讨该地区梅毒月发病率的季节性,建立ARIMA(0,1,1)(1,0,1)_(12)时间序列模型,模型预测值的动态趋势与实际发病率基本吻合,平均绝对百分比误差MAPE=17.36,具有较高的预测精度,可以较好的预测短期内梅毒的变化趋势,为梅毒的预防控制措施提供可靠依据.     

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。     

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。     

加权马尔可夫链在传染病发病情况预测分析中的应用

首先基于传染病的发病情况存在大量不确定性的特点,应用有序聚类的方法建立发病人数状态的分级标准;然后针对发病人数序列为相依随机变量的特点,采取以规范化的各阶自相关系数为权重,用加权的马尔可夫链模型来预测和分析发病人数的变化状况,使预测结论的长期效果趋于最优;最后通过实例检验,对预测结果和方法进行评价和深入的分析.     

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。     

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.     

最优组合预测模型的构建及其应用研究

由于证券价格是随机游走的,在证券定价研究中RBF神经网络模型、灰色GM（1,1）模型、ARIMA模型不具备时效性,通过对上述三个模型进行综合分析,结合三者中有用的信息集合,构建一个最优组合预测模型．在此基础上选取了深发展A在2007年全年的收盘价作为研究样本对这四个模型进行实证研究,研究结果发现,最优组合预测方法对证券价格进行预测具有很好的预测精度和很高的可靠性．     

基于ARIMA-GM组合模型的邮电业务总量预测

对传统预测具有波动性及季节性双重趋势时间序列的模型—ARIMA乘积季节模型进行了改进,先用ARIMA乘积季节模型对邮电业务总量历史数据进行识别和拟合,然后用GM(1,1)模型对其带阀值的残差序列进行修正,最后结合二者得到ARIMA-GM这一组合预测模型.利用此模型对09年上半年中国邮电业务总量进行了预测,结果表明,组合预测方法比单项ARIMA乘积季节模型预测具有更高的精度.     

K-means聚类算法在SIR传染病模型中的应用研究

基于SIR传染病模型,建立了具有K-means聚类算法的SIR元胞自动机模拟模型.通过对分别服从高斯分布和随机均匀分布的两类初始感染源的分析与模拟,给出了疾病感染半径与隔离半径对疾病传播的影响.结果显示:在两种不同类型的初试分布下,感染者的最大值分别与疾病感染传播半径和隔离半径呈正相关与负相关关系,感染者数量随时间的变...     

苏州虎丘塔变形统计模型与预测

苏州虎丘塔是著名的世界文化遗产,但塔体不断缓慢倾斜。建立虎丘塔变形的统计模型与预测有着重大的意义。本文对苏州虎丘塔变形的不等间隔观测数据,建立了回归模型和AR IMA模型,结果比较满意。