基于EGA模型的城际高铁客流量预测

城际高铁客流量序列呈现出不平稳和波动性特征,常规预测方法很难对其进行精准预测。文章提出将EMD、GRNN和ARIAM模型相结合的城际高铁客流量预测模型(EGA)。EGA模型充分利用三者的优势,提升城际高铁客流量预测精度。通过某城际高铁站日客流量数据检验EGA模型的有效性,结果表明,与GRNN相比,EGA模型获得了更高的城际高铁客流量预测精度。     

哈尔滨市地铁客流量统计预测与调度优化设计

地铁建设在社会、经济发展的大力推动下越来越快,在整个城市交通系统中承担着不可估量的作用。笔者将介绍哈尔滨市地铁客流量现状,梳理当前关于地铁客流量统计预测的中长期和短期预测方法,给哈尔滨市地铁客流量统计预测工作提供借鉴。另外,还提出了初步的调度优化设计方式,为日常的地铁运行和调度工作以参考。     

福建省城乡居民收入差距预测模型比较研究

本文选取福建省1981-2008年间的城乡收入差距值时间序列数据,建立四个时间序列模型进行比较分析,最终确定ARMA模型作为预测模型.并以2006年、2007年和2008年的数据作为检验数据检验该模型预测效果,进一步验证了其预测效果较优,最后利用该模型对福建省2011-2014年城乡收入差距值进行短期外推预测,并给出对策建议.     

ARMA模型在我国劳动参与率预测中的应用

劳动参与率是全部就业人口与失业人口占一个国家或地区所有工作年龄人口的比例.体现了当地劳动力参与社会经济活动的程度,并反映了区域经济的发展与活跃程度.ARMA模型"基于让数据自己说话"原理着重于经济时间序列本身的概率或随机性质,对时间序列数据的短期预测非常成功.本文采用ARMA模型预测了我国劳动参与率,并分析了劳动参与率下降的原因,最后提出相关建议.     

基于GARCH族模型的高铁客流量波动特性分析

选取某车站从2013年1月1日至2014年12月31日的日高铁客流量数据,建立GARCH族模型,分析高铁客流量的波动性,并对不同模型的拟合效果进行检验。结果表明,高铁客流量的波动具有明显的季节性;波动幅度受外部冲击影响较小,受前期客流量波动的影响较大;长期波动具有平稳性和持续性;高铁客流量受到正面与负面冲击产生的波动大小具有对称性。GARCH模型是分析高铁客流量波动性的最佳模型。     

人民币汇率变化的实证研究

本文运用时间序列的建模方法,对我国2005年7月-2009年5月的美元兑人民币汇率进行实证分析,构建ARlMA模型和Holt模型.经检验,后者能更好地拟合美元兑人民币的汇率趋势,在此基础上做了短期预测,并给出相关结论和分析.     

对我国棉花期货价格预测的方法研究——基于EGARCH-EWMA模型与ARIMA模型比较

本文以2013年1月2日至2014年6月31日期间的棉花期货价格为研究对象,通过ARIMA模型与EGARCH-EWMA模型进行短期价格预测对比分析。结果显示EGARCH-EWMA模型在准确度和可行性方面优于ARIMA模型,利用EGARCH模型估计的滞后系数对衰减因子赋值,克服了无法科学地判定衰退因子的弊端,并且预测结果表明棉花市场具有较为明显的杠杆效应,没有完全实现价格发现功能,基于此提出完善期货市场的建议。     

我国铁矿石现货市场短期价格预测研究

由于铁矿石市场自身的变化复杂,影响因素众多,而且不少因素的影响性还有待探讨.在分析我国铁矿石现货市场现状基础上.运用灰色关联度模型对各影响因素进行了选取,从中选取出与铁矿石现货价格最为相关的航运价格、进口数量、长协价格四个要素作为预测的控制变量,并使用BP神经网络模型对我国铁矿石现货市场进行短期的验证性预测,取得了良好的效果.     

江两省涉外游模型的建立以及市场划分

本文从江西涉外旅游市场入手，分析了近二十五年来江西旅游市场的发展状况，利用线性回归的方法，建立了江西省海外客源市场模型，并对未来五年江西省海外客流量进行预测。     

奶类消费需求组合预测——基于指数平滑法和灰色模型

为了合理预测奶类消费需求量,建立了三次指数平滑和灰色模型两种单项预测模型。鉴于单预测模项型的局限性,提出了以预测偏差平方和(方差)最小为最优化准则的组合预测模型。分析比较表明,组合预测模型具有更高的预测精度和更低的预测误差,能避免各单项预测模型的局限。该组合模型对未来短期的奶类消费需求的预测具有一定的参考价值。     

基于灰色组合模型的河南GDP预测

为解决GM(1,1)预测中存在的历史数据的跳变问题,依据灰色灾变预测原理,利用线性回归适用短期预测的特点,提出了一种新的预测方法:用GM(1,1)模型预测将来可能的数据跳变日期点,对其他非跳变点使用分段线性回归函数进行预测。通过对河南省生产总值的预测,结论显示出此种方法较好地克服GM(1,1)模型和线性回归模型的缺陷,在现实中达到较好的成效。     

基于最大信息熵原理的风电场短期输出功率预测综合模型

引入了信息理论来研究和处理风电场输出功率变化的不确定性,提出了基于最大信息熵原理的风电场短期输出功率预测综合模型,求解此模型的约束信息为多种单一模型的预测结果及历史预测误差的分布,利用最大信息熵原理得到预测结果的分布。研究表明,对于随机性较大的风电场输出功率,综合模型提高了风电场短期输出功率的预测精度。     

ARMA在我国GDP预测中的应用

本文用ARMA模型对我国1978—2007年GDP数据进行分析,并预测出未来三年的GDP数据。与实际GDP相对照模型预测误差较小,说明ARMA模型非常适合于短期预测。     

时间序列分析在财政收入预测中的应用

介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法。将ARIMA模型应用于我国财政收入的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型。     

基于ARIMA模型的我国人口增长的分析与预测

运用ARIMA模型对我国1949-2009年的人口总数进行了分析与预测，得出AR IMA （2，2，1）模型可以对我国的人口总数作短期预测的结论。     

基于Box-Jenkins法的煤炭价格预测研究

Box—Jenkins法在国内和国外得到了广泛的运用,本文以秦皇岛煤炭市场的山西优混的周价格时间序列为研究对象,运用Box—Jenkins法,建立了短期煤炭价格的ARMA(121)模型,通过拟合与检验,证明模型的效果是较好的,并用之进行了短期煤炭价格的预测,结果也表明,该模型的预测结果是比较准确的,是合乎煤炭价格风险管理的基本要求的。     

中国通货膨胀预警机制模型研究

消费者价格指数是测量通货膨胀程度的一个重要指标.鉴于此,本文对1994年1月到2005年12月消费者价格指数的数据进行拟合.并建立了模型分析我国通货膨胀现象;其后对我国的通货膨胀程度进行短期预测,并结合控制图刻画了我国通货膨胀的波动区间,分析了通货膨胀出现过冷或过热的状况:最后实证检验该模型预测通货膨胀的可行性.     

武汉市人均GDP时间序列模型构建及预测

ARMA时间序列模型反映某个变量过去的变动规律,并可以利用这个规律对未来值进行短期预测。人均GDP是衡量一个国家或地区经济发展和人民生活水平的一个重要参考指标。本文利用湖北省武汉市1980-2009年的时间序列数据建立武汉市人均GDP的ARMA模型,并利用该模型进行短期外推预测。     

基于ARIMA模型对平安银行股票价格的分析与预测

本文运用时间序列分析方法中ARIMA模型进行预测,对平安银行股票历史数据构建模型,推断出未来趋势。从而一定程度的为投资者提供短期指导。     

基于灰色关联分析的LS-SVM高铁客流量预测

文章结合灰色关联分析(GRA)和最小二乘支持向量机(LS-SVM),构建基于GRA的LS-SVM高铁客流量预测模型(GRA-LS-SVM)。将高铁客流量的影响因素初步设为17项,利用灰色关联分析从中选取主要影响因素,并将其作为输入变量,构建LS-SVM。以我国高铁客流量数据为例,验证GRA-LS-SVM的有效性。结果显示,GRA-LS-SVM不仅简化了模型结构,而且提高了高铁客流量预测精度。