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。     

人民币兑美元汇率长期趋势分析及预测

旨在研究人民币汇率在相对较长时间内的趋势及更优的预测模型.基于时间序列分解原理将人民币兑美元汇率的时间序列分解为长期趋势及随机波动两部分,采用Logistic曲线拟合长期趋势,建立了包含长期趋势的复合预测模型.实证检验结果表明此预测模型的预测效果优于单一的ARIMA模型,根据分离的长期趋势,可以判定,人民币尚处于一个升值过程中,其未来的升值极限在5.5左右.     

带有长期趋势的近似周期时间序列的刻度变换估计

近似周期时间序列具有近似的周期趋势,即近似周期性.所谓近似周期性是指它看起来有周期性,但是每个周期的长度不是常数,比如太阳黑子数序列.近似周期时间序列在社会经济现象建模中有着广泛的应用前景.对于近似周期时间序列,关键在于刻画它的近似周期趋势,因为一旦近似周期趋势被刻画出来它就可以作为一个普通的时间序列来处理.然而,关于近似周期趋势刻画的研究却很少. 本文首先建立一些必要的理论,特别地,提出了带长度压缩的保形变换概念,并且得到了带长度压缩的线性保形变换的充分必要,然后基于此理论作者提出了一种估计尺度变换的方法,该方法可以很好地估计出近似周期趋势.最后,对一个仿真实例进行了分析.结果表明,本文所提出的方法强力有效.     

近似周期时间序列分析（英文）

本文首先给出了近似周期时间序列概念,即:具有周期特征但是周期长度变化的时间序列.比如,太阳黑子序列具有11年左右的周期,但是其周期并不是11,而是在11左右变化,这就是一个近似周期序列.然后给出了提取近似周期趋势方法,并且提出了广义差分算子,这里提出的广义差分算子不仅可以消除时间序列的长期趋势和周期性,而且还可以消除近似周期性.最后,以太阳黑子序列为例说明了广义差分算子的应用.     

不等长周期时间序列的周期划分方法

针对时间序列周期不等长的情况,提出了一种基于周期划分的时间序列周期分析方法.首先将时间序列变换到频域中获取序列的周期特征,其次根据周期特征计算移动平均的项数来对时间序列做移动平均处理,然后计算移动平均处理后序列中的极值点,最后对极值点按条件进行剔除后得到周期划分点.以划分点为界划分得到时间序列的多个周期段,经过分析采用周期段的中位数线来表示时间序列的周期性变化特征.这种周期划分方法更适用于存在随机波动的长序列,实验表明该方法能较好地对序列做出划分,得到的周期段中位数线的变化特点也与原时间序列基本相符.     

存在趋势和周期特征的非平稳时间序列的建模及其应用

本文研究存在未知周期和趋势的非平稳时间序列的估计问题.将经典的时间序列分解模型写成一个含有未知参数的部分线性模型,首先采用B-样条逼近未知时间趋势,然后利用惩罚最小二乘回归法得到未知周期、周期序列和趋势的估计.本文还给出估计量的理论性质,包括周期估计的相合性以及周期序列和趋势估计的渐近性质.模拟研究展现了本文方法的优越...     

基于谱分析的非平稳时间序列中的潜周期研究

时间序列的频域分析并不如时域分析应用广泛,但其弥补了时域分析的不足:能够把时间序列分解为具有不同振幅,相位和频率的周期分量的叠加,找出原序列中隐含的主要周期分量,并从周期波动的角度对序列进行解释.针对非平稳时间序列进行研究,利用B样条函数为基底并引入惩罚项,提取序列中的趋势项之后,再根据样本谱密度理论得到时序数据中的潜周期,最终将原始时间序列分解为趋势项,周期项和随机扰动项.数据模拟部分验证了通过B样条估计并提取的趋势项具有较高的精确度,并会对周期项的提取产生积极的影响.实际数据部分使用了黄金价格的月度数据,得到了长,中,短三个波动周期这一有意义的结论,验证了本方法的可行性和有效性.     

一类经济模型与预报

本文提出一类较为广泛,而适用于经济问题的数学模型,该模型包含趋势部分、季节部分和随机波动部分.并对这三部分给出估计和预报.最后对月工业产值的数据给出数学模型与预报.     

灰色时序组合模型及其在地下水埋深预测中的应用

地下水埋深的变化过程是一个复杂的非线性过程,这种具有复杂的非线性组合特征的序列,使用某一种模型进行预测,结果往往不理想.在分析了灰色GM(1,1)模型、灰色GM(1,1)周期性修正模型和时序AR(n)模型的优点和缺点基础上,提出了一种新的灰色时序组合预报模型.该方法利用了GM预测所需原始数据少、方法简单的优点,用周期修正方法反映其地下水位埋深周期性波动的特征,用AR(n)模型预报其地下水位埋深的随机变化.实例研究表明,这种方法方便简洁实用且预测结果接近于实际观测值,为其它地区的地下水位埋深和相关时间序列的分析研究提供参考与借鉴作用.     

陕西生猪生产长期趋势及周期波动模型的建立与应用

本文应用反正弦变换方法，将陕西省生猪生产统计数据对长期趋势直线回归估计值的偏离进行线性化处理，得出其周期波动规律，求出波动发生的周期和强度，并推导出年增长率变化的趋势，为政府部门适时适度调控生猪生产提供了依据．     

基于X-12-ARIMA方法的迪拜原油价格季节性波动分析

油价时间序列往往受众多因素的影响,从而可以分解成各种成分.运用X-12-AR IM A方法分析迪拜原油价格的季节性波动,探讨油价运动规律,结果表明季节调整的整体效果较好,季节因素对中质高硫原油价格具有显著影响,夏、秋季推动油价上升,而春、冬季节使油价下跌,同时发现原油价格的短期变化主要由不规则事件和季节因素决定,而长期变化由趋势因素决定.     

GM（1，1）周期修正模型及在电力负荷预测中的应用

模型GM(1,1)是电力系统负荷预测的一种有效的方法,但利用GM(1,1)模型难以反映序列随机的季节性周期波动变化.本文阐述的周期修正模型,可以很好地解决这一问题.实例表明,此模型简单有效,对于季节性预测问题有很强的实用性和较高的预测精度.     

宏观经济监测预警系统(Ⅵ)

6.经济时间序列的季节调整 从上几节讨论中我们看到,对经济指标的月份或季度时间序列数据进行分析时,季节调整是一个重要的预先处理手段,本节进一步研究季节调整的作用,意义和方法,并通过实例对几种季节调整方法加以比较. 6.1经济时间序列的季节性与季节调整 以月份或季度为单位的经济时间序列中.有许多表现出一年一度的周期性变化,这种周期性我们称为季节性. 一、季节调整 从大量的经济时间序列中可以看到,以月份或季度为单位的时间序列可以由以下几个部分来描述: Ⅰ、趋势.用来表征序列的长期行为,如增长,下降或保持不变. Ⅱ、季节因子.用…     

山西省商品房市场的发展规律

本文通过对山西省 1998年至 2002年共 50个月份的月度商品房销售面积 (使用商品房销售面积克服了价格波动的影响 )的实证分析,建立了一个结合普通线性模型 (OLS)、非参数核估计(KernelEstimation)、以及时间序列分析(TimeSeries)的统计预测模型。此模型既能够很好地分离出商品房销售面积随时间的增长趋势,又能够很好地刻画它在各个年度周期内部光滑的季节规律。基于此模型,山西省每年商品房销售面积的规律被刻画为四个周期,即:增长期、衰退期、调整期、以及结束期。从中不难看出商品房销售规律的个性。在分析各地区商品房市场规律时,不能照搬全国商品房市场的相关规律,更不能照搬国外的测算结果。     

具有周期特征的离散时间序列的非参数可加模型

周期性是在时间序列分析中经常出现的影响因素之一.在离散值响应变量时间序列中,我们利用带惩罚的极大似然估计建立了未知周期的一致估计.基于周期的估计,我们利用B-样条逼近趋势项和可加函数,同时得到了周期项的√n相合估计以及趋势项和可加函数的初始估计.然后基于后移的思想,推导了趋势项和可加函数的改进估计,并证明了估计量的渐近...     

中国科学院数学研究所举办“时间序列分析”短训班

1975年11月24日至12月26日,中国科学院数学研究所概率统计室,在北京举办了“时间序列分析”短训班.收到较好的效果.这里所说的时间序列,是指在生产过程、科学试验以及各种自然科学研究中,所遇到的随时间而变化的数据,这些数据具有一定的随机性,所以又叫随机时间序列,对这些数据的分析和处理,就叫做“时间序列分析”.比如,在自动化炼钢工艺中,为了估计钢水的含碳量,不断测量炉气中二氧化碳的含量,得到一串数据,根据这串数据及时判断钢水的含碳量,其中就需要对这串数据进行序列分析.又如,为了进行月平均雨量的预报,我们记     

对我公司工业总产值的预测

前言 利用经济数学模型分析国民经济现实的经济活动,并对经济发展趋势进行预测,是实行国民经济现代化管理的重要方法和手段.一个企业的工业总产值增长速度也与其他事物一样,有其一定规律。只有掌握这一规律,才能为决策机关编制生产计划、科学组织生产提供重要的科学依据。 本文根据我公司历年各季的工业总产值这一经济指标,运用数理统计方法对公司未来工业总产值进行了科学预测,取得了较理想的初步结果。 工业总产值这一经济指标,除受时间因素的影响有其长期趋势外,同时还受一年季节更替和其他随机变动的影响。因此,要预测一个企业未来的工…     

一类广义耦合的非线性波动方程组时间周期解的存在性

研究了一类广义耦合的非线性波动方程组关于时间周期解的问题.首先利用Galerkin方法构造近似时间周期解序列,然后利用先验估计和Laray-Schauder不动点原理,证明近似时间周期解序列的收敛性,从而得到该问题时间周期解的存在性.     

股票日度价格波动规律研究:以河北农业企业福成五丰为例

运用复杂网络理论,选择农业龙头企业福成五丰的每日股票收盘价格作为样本数据,利用粗粒化方法建立价格波动幅度变化模态,对时间序列单变量波动幅度模态的统计、变化和演化规律进行了分析.研究结果表明,股票价格时间序列单变量波动幅度模态分布具有幂律性和群簇性,股票价格波动具有周期性,波动模态间的转换周期平均为6天,股票价格的群发性波动通过出现概率较小的且中介中心性较高的模态进行交替转换,网络的波动规律对股票投资和风险管理有指导意义.     

基于复杂网络的时间序列单变量波动幅度研究

为研究时间序列单变量波动幅度演变规律,文章选择伦敦金下午收盘价格作为样本数据,借鉴统计物理学的方法进行研究.利用粗粒化方法建立了价格波动幅度变化模态,运用复杂网络理论对时间序列单变量波动幅度模态的统计、变化规律和演化规律进行了分析.研究结果表明,时间序列单变量波动幅度模态分布具有幂律性、群簇性和周期性,其波动幅度模态主要通过少数几种模态进行转换与演化.本研究方法不仅可以对不同类型时间序列单变量波动幅度进行研究,同时可为多变量波动幅度及其联动波动规律研究提供思路.