基于灰色-ARIMA耦合模型的中国发电量短期预测

针对国内发电量的持续增长现象,基于中国2012—2021年的发电量数据,使用新陈代谢GM(1,1)模型与阻尼趋势模型耦合所得的灰色- ARIMA耦合模型,对中国2022—2030年的短期发电量进行预测。比较新陈代谢GM(1,1)、传统GM(1,1)与新信息GM(1,1) 模型的试验结果,将误差平方和最小的模型与ARIMA模型耦合,引入时间序列分析来拟合发电量,构建等权的灰色-ARIMA耦合预测模型,得到2022—2030年发电量的可靠耦合预测数据,具有一定的鲁棒性。为我国制定新能源措施和发展规划,实现碳中和、碳达峰及可持续发展具有重要的借鉴意义。     

基于ARIMA模型的中国钢材市场价格预测

本文以中国钢材市场价格为研究对象,选取了8种主要钢材品种2004年1月到2010年11月的价格数据,通过模型识别,建立ARIMA模型来预测中国钢材市场2010年9月至11月的钢材价格,通过比较预测结果,确定在允许的误差范围内,最终给出2010年12月至2011年3月这四个月的钢材预测价格。     

基于ARIMA模型的深证指数分析及预测

深证指数是指由深圳证券交易所编制的股价指数,对其进行深入研究具有非常重要的意义。文中使用时间序列ARIMA模型对深证指数进行定量分析,以2009年7月1日到2010年6月30日的日深证指数收盘价格为原始数据,通过对数据进行平稳、零均值化处理,模型识别和模型定阶,再使用最小二乘法估计参数后,最终建立了ARIMA(6,1,6)模型,并对模型检验证明有效后,对未来数据进行了短期预测。     

灰色-时序组合模型在建筑物沉降预测中的应用

为了获得较为准确的建筑物沉降预测结果和较高的预测精度,结合灰色模型、时间序列模型的优点,提出灰色-时序组合模型进行建筑物沉降预测的方法,有效克服了单一模型预测精度低的缺点。以某工程实例沉降观测数据作为原始建模分析数据,通过对灰色预测模型、时间序列预测模型以及组合预测模型的预测结果进行比较分析,结果表明,灰色-时序组合模型预测的沉降值更接近实测值,预测的精度比单一模型更高,具有一定适用性,有利于高层建筑物的沉降预测、预警,确保建筑物的安全性。     

X-11过程和ARIMA模型在煤炭企业物料需求预测中的应用研究

煤炭企业物料需求影响因素多而复杂,物料需求时间序列往往不平稳,如果采用较高的库存水平来应对非平稳需求会造成大量库存资金占用,从而影响企业经济效益.因此,如何准确有效地预测需求是非常重要的.文章以煤炭企业物料胶质线为例,采用ARIMA模型和X-11过程对其历史需求数据建模预测,结果表明运用ARIMA模型和X-11过程相结合建模预测能大大减小误差,提高预测的精确性,从而可以大大节约库存成本.     

时间序列与BP神经网络在新疆GDP预测中的对比分析

根据新疆维吾尔自治区2009年统计年鉴中的数据,构建并选用合适的时间序列模型、BP神经网络模型,对2004年-2008年的新疆GDP进行预测,并用预测结果与实际值求得相对误差,然后将两种模型的误差进行比较。结果表明,BP模型应用于新疆GDP预测较时间序列预测有较高的预测精度和良好的泛化能力。     

基于时间序列分析的湖南粮食总产量预测

文章对比传统时间序列分析模型(线性回归、二项移动平均、一次指数平滑、二次指数平滑等)与ARIMA模型在湖南省粮食总产量中的拟合精度,并应用ARIMA(2,1,10)模型预测了未来3年内湖南省粮食总产量.结果表明,在湖南省粮食总产量拟合中,ARIMA(2,1,10)模型得到的粮食总产量拟合值与观测值的相对误差均方最小,优于传统时间序列分析模型;利用ARIMA(2,1,10)模型预测未来3年内湖南省粮食总产量,粮食总产量有逐年上升的趋势,且增长率逐年上升.     

人民币汇率的ARIMA模型的预测

在简要介绍时间序列模型的基础上,使用美元/人民币的日汇率值进行实证研究,建立相应的ARIMA模型.本文试图将此模型应用于汇率的短期预测,并对其预测效果进行评价.     

时间序列在经济预测中的运用研究

近几年以来,我国的经济得到了快速的发展,为了保证我国经济的可持续发展,进行有效的经济预测是至关重要的,因此,我们可以采用结构时间序列模型对经济进行预测。时间序列模型当中所得到了指标都是不可观测的变量,因此,我们不能使用回归分析这一方法,所以,在对时间序列模型进行解答时,我们要采用一些科学、有效的方法。我们通过不同的结构时间序列模型可以准确的预测出社会消费品零售总额、GDP等,保证了经济预测结果的准确性。本文主要对时间序列在经济预测中的应用进行详细的探究。     

我国上市公司ROE预测研究(上)——基于扣除非经常性损益后盈余结构的经验分析

根据我国证监会2001年颁布的《公开发行证券公司信息披露编报规则第9号—净资产收益率和每股收益的计算及披露》及《公开发行证券的公司信息披露规范问答第1号—非经常性损益》,收集2001-2006年度的样本数据,以4年期为时间窗口采用行业水平下滚动随机系数回归分析了基于扣除非经常损益后的盈余结构的五个时间序列ROE预测模型的预测能力及其信息含量。结论表明,修正的ROE模型预测能力及其信息含量最优;CASHFLOW模型预测其信息含量最差。结论支持我国证券会上述两个文件能够实现其目的。     

天津市人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或者说是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测.用ARMA模型可以对天津人均国内生产总值(1978-2004)时间序列进行建模和短期外推预测.     

时间序列分析在成都GDP预测中的应用

本文基于时间序列理论,对成都市1980～2012年的GDP数据进行分析,初步建立AR（2）、ARMA（2,1）、MA（1）三个模型,再结合AIC准则和简约原则等,最终确定模型为ARIMA（2,3,0）.最后,利用所建模型做出预测,得到成都未来三年的GDP值.     

产业结构调整背景下的区域用电量预测模型库构建

基于产业结构调整宏观环境,构建了区域用电量预测模型初选库,其主要包括基于时间序列的区域用电量预测模型和基于影响因素的区域用电量预测模型。并基于预测效果反馈,建立预测效果评级指标体系,构建预测效果评价模型。在评价结果的基础上,筛选出最优模型作为区域用电量预测模型终选库,以便正确预估地区电网发展趋势,提高企业竞争力。     

天津市人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或者说是迟缓性，通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。用ARMA模型可以对天津人均国内生产总值（1978—2004）时间序列进行建模和短期外推预测。     

基于循环神经网络的西北太平洋台风路径预测

西北太平洋是全球台风高发区域之一,我国每年受登录台风影响,造成沿海地区发生狂风、暴雨和风暴潮等灾害性天气,准确预测西北太平洋台风路径对我国防震减灾意义重大。 基于循环神经网络的多元时间序列预测模型,以处理好的包含中国气象局（CMA）台风最佳路径数据集和欧洲中期天气预报中心（ERA5 ）数据集两种资料的多元时间序列数据为样本,训练3种循环神经网络并预测未来 6、12、24 h 的 热带气旋（TC）中心位置。结果表明预测失效为24 h时利用长短期记忆神经网络（LSTM）模型预测E值为173.15 km,误差要远小于门控循环神经网络（GRU）模型和循环神经网络（RNN）模型,认为利用 LSTM 网络对未来 24 h TC 中心位置的预测具有可行性和参考价值。     

人口模型

本文采取自回归求和移动平均法(ARIMA),对中国从1949年到2007年人口资料进行分析,并建立模型。结果显示,ARIMA(1,1,16)模型提供较准确的预测结果,可用于未来的预测,对人口问题研究提供可靠依据。     

基于MR和TSA的成品油价格模型

通过对影响成品油价格的众多因素进行数据整理分析,首先建立了多元回归模型对其数据进行预测;然后建立了二次移动平均预测模型、三次指数平滑预测模型对其进行时间序列分析预测。综合三种方法对近15个时间片的油价预测值与统计值进行比较与误差分析,仿真结果表明,多元回归模型和时间序列分析的三次指数平滑预测达到了较好的效果。     

时间序列分析在我国黄金价格预测中的应用

本文研究了时间序列分析的基本理论,通过Eviews软件对2009～2012年上海黄金交易所Au9999各月加权平均价进行统计分析,建立了二次曲线拟合模型并以此对其进行短期预测,为投资者进行黄金投资提供参考依据.     

ARIMA模型在福建省GDP预测中的应用

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。将ARIMA模型应用于福建省历年GDP数据的分析与预测,得到较为满意的结果。     

基于混合模型的陕西省旅游市场需求预测

目前,旅游预测主要采用基于传统研究方法或神经网络技术的单项预测方法.为提高旅游需求预测的精度,文章提出一种基于BP神经网络和ARIMA 混合模型的游客量预洲方法.该方法能够同时考虑旅游统计数据的线性和非线性规律.以陕西省接待入境游客人数为例,采用本文提出的混合模型对其进行了综合分析与预测,预测结果表明混合预测模型相对于单一的预测方法具有更高的精度,该模型在旅游预测中的应用是可行、有效的.