未完房地产项目成本预测方法比较分析

本文分析了利用一元线性趋势预测模型、Logistic曲线预测模型和GM(1,1)预测模型预测未完房地产项目成本的基本原理和方法步骤。然后,利用某住宅小区房地产开发相关数据,对上述三种预测模型进行了建模和预测实验。     

基于灰建模技术的移动电话通话业务预测研究

根据灰色GM(1,l)模型的建模机理,利用2006-2010年我国电信业务的统计数据,构建了中国电信移动电话通话业务GM(1,l)预测模型,对十二五期间中国国移动电话通话业务量进行预测。实例分析表明,建立的GM(1,1)模型具有较高拟合精度,十二五时期中国国移动电话通话业务量呈现高速增长态势。     

基于ARIMA-GRNN组合模型的汽车零部件需求预测研究

单一的预测方法难以准确预测市场需求趋势,通过构建ARIMA-GRNN组合需求预测模型提高预测精确度:首先利用ARIMA预测出每月需求数并计算出每月实际需求数与每月预测需求数的误差值,再利用GRNN神经网络对误差值进行函数逼近与拟合,将拟合值对ARIMA预测值进行修正后的结果即为最终预测值。性能评估显示组合模型可以较好帮助汽车零部件企业提高市场预测精度。     

基于ARIMA模型的风电功率预测

风电功率的随机波动被认为是对电网带来不利影响的主要因素。研究风电功率的波动特性,对改善风电预测精度与克服风电接入对电网的不利影响都有重要意义。本文通过对30天的风电数据加总,求得15min级的风电功率数据,提出了基于ARIMA模型的风电功率的预测模型。通过对数据进行单步预测取得较好的预测结果,说明ARIMA(1,1,1)模型能够较好的拟合原始数据。给风电功率的预测提供了新的思路。     

基于ARIMA模型的渭南市降水量趋势分析与预测

采用ARIMA模型对渭南市1953～2013年历史降水量趋势进行模拟,优选参数,建立降水量预测模型,对2014～2018年的降水趋势进行预测。经拟合结果分析可知ARIMA模型能够比较好地预测渭南市年降雨量变化趋势,渭南市近些年降雨量呈现略微下降的趋势,但随着预测期的延长,预测精度降低。建议在使用ARIMA模型预测年降雨量时,尽量保证数据序列足够的情况下,采用逐年实时校正的预测方法。     

我国消费者信心指数趋势分析及预测——基于ARIMA模型

本文利用ARIMA模型拟合了我国消费者信心指数序列,并利用拟合的模型进行了事前预测,以期对相关政策的制定给予可行性参考意见。     

基于BP神经网络的零售连锁企业安全库存预测方法

通过对零售连锁企业中安全库存量的影响因素分析,建立相应的BP神经网络预测模型,并用实际安全库存量对网络进行训练,利用训练好的模型进行安全库存量的预测,实验结果表明准确度较高。     

基于BP神经网络的零售连锁企业安全库存预测方法

通过对零售连锁企业中安全库存量的影响因素分析,建立相应的BP神经网络预测模型,并用实际安全库存量对网络进行训练,利用训练好的模型进行安全库存量的预测,实验结果表明准确度较高.     

张家川地区急性阑尾炎月发病人数ARIMA模型拟合

文章应用SPSS软件对张家川地区2001年9月至2006年7月急性阑尾炎每月发病人数统计资料做时间序列分析观测到该时间序列是一组平稳即白噪声序列,无季节周期性,进行ARIMA模型拟合得到ARIMA(1,0,1)模型,数学表达式Yt=0.129Yt-1+at+0.3756at-1,且进行预测值比较,得到较好效果。     

河南省人口老龄化发展趋势预测

文章基于2000-2019年河南省老年人口比重数据,分别利用ARIMA(0,1,1)模型和灰色系统GM(1,1)模型对河南省人口老龄化的变化趋势进行了拟合、分析和预测.结果表明:两种模型均具有较好的拟合效果,且预测值非常接近,说明未来几年河南省人口老龄化日趋严重,这可能给该省的社会和经济发展带来一定的影响.     

基于ARIMA模型的中国CPI分析与预测

作为衡量宏观经济运行情况的核心指标,消费者价格指数(CPI)日益成为人们关注的焦点。本文以中国1990年1月至2013年4月最新的月度CPI作为研究对象,以严谨的分析构建了自回归移动平均ARIMA[(1,2,6),1,(1,12,25)]模型。结果表明模型拟合效果好,预测精度高,在此基础上成功对2013年5月至12月的CPI走势情况进行预测。     

基于ARIMA模型的蚌埠市PM2.5预测

本文首先从真气网选取蚌埠市2018年6月1日至2019年5月31日的PM2.5日浓度数据作为样本数据,接着运用EVIEWS10.0软件并借助由Box和Jenkins创立的ARIMA(p,d,q)模型对样本数据进行合理建模,并验证所建立的AR(1)模型的合理性;然后运用所建立的AR(1)模型对蚌埠市2019年6月2日至2019年6月6日的PM2.5日浓度进行预测,最后将预测结果与实际值进行比较,结果表明:使用建立的AR(1)模型对蚌埠市短期内PM2.5浓度预测所得值与蚌埠市PM2.5浓度的实际值相对误差较小,其误差大小在10%之内,适合做蚌埠市PM2.5日浓度的短期预测。     

基于组合灰色预测模型的物流企业运营成本预测

运营成本预测是物流企业制定企业发展战略的基础。文章基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数,对物流企业运营成本进行预测。选用P物流企业2000—2009年的运营成本实际值作为原始数据,利用各预测模型预测2010—2012年物流企业运营成本。预测结果表明,组合灰色预测模型比单一预测模型具有更高的预测精度。在验证组合灰色预测模型可行性的基础上,进一步预测物流企业2013—2017年运营成本,为成本预测及相关领域提供理论及方法借鉴。     

基于ARIMA模型的云南省第三产业发展预测

通过采用自回归差分移动平均(ARIMA)模型,对云南省第三产业产值序列进行分析,进而了解云南省第三产业未来的发展趋势,明确推动产业优化发展的方向。在使用STATA软件建模后,根据信息准则对模型进行筛选,得到了ARIMA(2,2,2)模型。随后,对模型进行拟合度检验,证明模型可以对第三产业产值进行短期的预测与分析,期望能为今后的相关研究提供参考。     

基于灰色系统建模的企业混合成本分解研究

尝试利用灰色系统GM(0,N)建模方法,研究企业混合成本与业务量的关系拟合,估计辨识参数,达到有效解析混合成本的目的。研究表明,应用灰色系统建模分解企业混合成本相比传统回归分析建模,其拟合精度获得了进一步提升。     

居民消费价格指数的分析统计与预测

本文将运用ARIMA模型进行安徽省月度CPI的短期预测。文章采用2005年1月至2016年7月安徽省的居民消费价格指数月度数据,借助Eviews软件对数据进行拟合分析,建立了ARIMA(12,1,12)模型,模型检验结果表明模型的准确性高,预测误差较小;并对未来安徽省居民消费价格指数进行预测,研究结果表明安徽省2017年3月到2017年8月的CPI波动幅度较小,趋于稳定。     

基于ARIMA模型的P公司产品需求预测研究

电子产品市场需求的动态变化给制造企业的生产计划带来了很大的不确定性。以P公司的历史销售订单数据为时间序列,以ARIMA模型为基础,利用EVIEWS分析工具对电子产品的季度需求进行预测。实例结果表明,基于ARIMA建立的需求预测模型具有预测精度高,操作简便等优点。     

基于灰色神经网络的体育成绩预测研究

对体育成绩的预测关系到学生身体素质和体育教学方案的制定,通过结合灰色理论和神经网络的特点提出了灰色神经网络体育成绩预测模型。依据某大学2008-2013年体育成绩统计数据,分别选用GM(1,1)模型和灰色神经网络模型对数据进行拟合,通过2014年的体育成绩作为模型验证,来预测2015年的体育成绩。结果表明,灰色神经网络体育成绩预测模型具有灰色系统贫乏数据建模和神经网络高度非线性映射能力的优点,对提高预测精度具有一定的实用价值。     

基于ARIMA模型的中国社会消费品零售总额季度预测

本文介绍了自回归单整平均移动模型即ARIMA模型的基本原理及其构建与应用的方法;并分析中国2003年-2010年社会消费品零售总额的季度数据,运用ARIMA(p,d,q)(P,D,Q)s模型,对历史数据-2010年四个季度社会消费品零售总额进行预测,其预测值与实际值拟合效果较好;在此基础上,预测出了2011年四个季度的社会消费品零售总额。     

非参数回归在物流配送中心库存量中的应用

以物流配送中心库存管理策略（R，S）中库存量预测的问题为研究对象，提出应用非参数回归方法对库存量进行拟合，用该方法与最小二乘法比较。并用非参数K邻近法则对库存量进行预测，丰富订货期制定方法。以某物流配送中心31天大米滞留库存量数据为例，研究结果表明，核回归模型拟合值较一元二次回归模型优异，得到较为理想的结果，实现通过统计模型客观地对物流配送中心库存信息智能化管理提供理论依据。