共查询到17条相似文献,搜索用时 46 毫秒
1.
考虑到电力对国家社会经济发展的重要性,本文研究了我国电力生产的预测模型。鉴于我国电力生产时间序列数据的完备性,在对该时间序列进行平稳性检验的基础上,比较分析建立了我国电力生产量的ARIMA模型,并运用所建立模型进行了预测。 相似文献
2.
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。 相似文献
3.
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。 相似文献
4.
通过本文对贵州省1978年至2010年社会消费品零售额年度数据的搜集,在数据的基础上,建立了贵州省社会消费品零售额的ARIMA模型,得到可靠的模型后以此对此后贵州省社会消费品零售额做一定的分析及预测。 相似文献
5.
6.
近年来我国粮食进口增速迅猛,国内外粮食市场联系日益紧密.我国作为世界第一粮食生产和消费大国,在粮食贸易的国际市场中发挥了重大作用.2013—2016年度我国主要粮食产品中,大米和大豆进口世界第一,小麦进口位居第四.从粮食进口总量来看,我国已是名副其实的粮食第一进口大国.由此可见,我国与国际粮食市场之间的联系日益紧密,国际粮食市场的价格波动必然经由多种渠道牵引国内粮食价格,进而影响到国内的粮食安全,本文以小麦为例,选取1994年—2016年的月度实际价格,分析预测国际粮食价格走势,对于我国粮食安全有着重大意义. 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
我国消费者信心指数趋势分析及预测——基于ARIMA模型 总被引:1,自引:0,他引:1
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。 相似文献
10.
11.
12.
13.
通过统计分析产业集群月产出量数列平稳性,运用时间序列分析方法,建立产业集群ARIMA模型,预测在某一时间点的产业集群产出情况,为生态园产业链稳定性建设提供理论依据。通过实际数据研究,运用EViews软件,验证产业集群ARIMA模型可行性。为解决产业集群稳定性预测中外部扰动因素对稳定性的影响,提供了理论途径。为产业集群建设稳定持续的发展提供了科学有效的理论方法。 相似文献
14.
基于ARIMA模型的航材需求预测 总被引:1,自引:0,他引:1
《价值工程》2016,(24):250-251
为了对航材的需求进行预测,本文根据时间序列乘积季节模型,利用统计软件SPSS,对收集到的航材需求的历史数据进行了建模、参数估计、检验、预测,经检验预测效果较好。该方法简便实用,利于实际推广和使用。 相似文献
15.
16.