基于时间序列模型的网络流量预测

本文提出一个利用季节性进行数据业务流量预测的时间序列预测模型。该模型的提出是基于数据业务流量呈现出强烈的季节性模式,这种模式会随着时间的推移而变化,并在总体上保持相对的稳定。实证证明我们提出的新方法比传统时间列模型在预测效率和精度上更为有效。     

基于时间序列模型的基坑地表沉降预测分析

随着地铁建设的日新月异,地铁站深基坑降水工程是影响施工安全的关键环节,若降水不当可能会导致地表沉降和周围建筑物倾斜甚至坍塌。本文将对地铁站基坑开挖降水对周围地表影响进行分析,并结合某工程的实时监测数据,运用时间序列模型对基坑周围地表沉降进行模拟预测,结果表明预测值与监测值误差小于2.5%。因此,根据该预警结果可提前识别危险临界值,为地铁站基坑施工安全预警工作提供借鉴。     

基于时间序列模型的珠海市香洲区物流产业预测

如今,物流业对区域经济的发展日益重要。珠海市香洲区大力发展物流业,不仅能促进生产、拉动消费、吸纳大量就业人员,最终还能达到增强香洲区经济实力的目的。本文通过分析香洲区物流业的现状,并用时间序列模型预测香洲区的物流产业,以此来估计香洲区物流业的发展前景。     

四川省旅游消费的增长速度预测——基于时间序列模型

本文选用四川省2000年~2014年的年度数据为样本建立时间序列模型,利用SPSS软件对模型进行曲线估计,并对模型的拟合结果进行分析,得出模型适用于指数函数的结论。基于建模的结果,对四川省未来几年旅游消费的增长趋势进行预测,并对四川省旅游消费增长可能产生的影响提出对策与建议。     

基于时间序列的我国GDP的短期预测

随着经济全球化的深入,一国的经济实力在国家实力中的重要性越来越突出,世界各国都开始疯狂发展经济,以在国际竞争中求得一席之位。GDP(国内生产总值)从某个侧面反映了国家的经济实力,成为了各国衡量经济实力的重要指标。中国从改革开放之后,经济不断发展,GDP数据逐年增加,并呈现一定的规律。若能准确的预测中国之后几年的GDP数据,对国家宏观调控具有重要意义。本文在各项预测方法中选择了时间序列模型作为研究对象。从时间序列的基本概念出发,了解时间序列模型的种类与建模方法,以整套的时间序列建模理论为基础,在我国GDP数据上建立了ARMA模型,应用ARMA模型对2012年我国GDP数据进行预测,其预测结果与实际值之间相差很小,拟合结果比较满意;在此基础上,预测未来三年的GDP数据。     

时间序列分析与汇率预测

在简要介绍汇率预测和时间序列模型的基础上,使用人民币/欧元的日汇率值进行实证研究,建立相应的ARIMA模型并进行预测和评价,进而描述人民币/欧元汇率的变动趋势。     

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。     

时间序列模型在股票价格预测中的应用

本文旨在以时间序列模型为基础,选择紫金矿业日收盘价、万科A日收盘价为研究对象,对上证指数在2008年~2011年的672个日收盘价数据采用SPSS和Eviews两种软件进行研究分析。在此,本文采用时间序列分析中的一种常见的模型:ARIMA模型进行相关的分析和预测,并对未来10天的日收盘价做短期预测。通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA模型做股票价格预测是可行的。     

时间序列法在股票预测中的应用

伴随着我国市场经济的发展与繁荣,股票已经走进了我们的各家各户,成为了与大多数人息息相关的投资产品。因此,对于股票走势的预测也成为越来越多的人所关注的问题。本文对数据挖掘技术做了深入的研究,探讨了时间序列法在股票趋势的预测方面的具体应用。目前,时间序列预测方法己经成为预测法中比较成熟的一个理论体系。因此,可以对股票市场未来的走势进行相对成熟的预测,并且为对股市的研究提供理论与技术的支撑,并为广大股民提供相应的选股建议。     

基于小波变换和时间序列模型的Brent原油期货价格预测

本文将小波分析与时间序列模型结合应用于布伦特国际原油价格预测,通过对小波分解与重构方法将油价时间序列分解为趋势(高频)部分和细节(趋势)部分,然后采用ARMA模型对分解后的油价进行样本内预测。实证研究表明,基于小波的组合模型具有较高的预测性能,同时验证了该方法的可行性和有效性。     

时间序列在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2003~2012年上海黄金交易所各月最后一个交易日的收盘价进行统计分析,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。     

基于ARIMA模型的饮品销售预测

本文旨在用时间序列分析方法对某上市饮品公司近六年的月度销售量数据进行分析预测.作者根据样本数据自身特点,采取了时间序列分析方法,并结合统计软件Eviews6运用ARIMA建模方法对该组时间序列进行分析,建立最优计量模型,得到了合理的预测结果.     

基于SARIMA-GARCH模型的CPI预测

CPI是一个滞后性的数据,但它在整个国民经济价格体系中具有重要的地位,它是进行经济分析和决策、价格总水平检测和调控及国民经济核算的重要指标,对CPI进行预测有利于政府宏观调控。本文基于我国近20多年来共324个月的CPI数据,应用时间序列分析中SARIMA模型和GARCH模型,进行分析拟合,得出了较为精确的拟合曲线,并应用该曲线对2014年1月至2015年3月共15个月的CPI进行预测,得到了较为理想的预测结果。     

电信运营商最小基层单元考核评价模型的构建

本文首先论述了电信运营商建立最小基层单元的必要性和紧迫性,主要有互联网时代面临的新挑战、更加严峻的外部形势以及电信运营商基层的经营现状.其次,回顾了武钢在基层单元的成功实践和经验启示.最后,基于电信运营商最小基层单元的实际,在对其直接收入和直接成本进行划分的基础上,提出了“准利润”的概念.在此基础上,从预算考核和横向评价两个维度构建了电信运营商最小基层单元考核评价模型.     

探索时间序列预测法在财政收支预测中的应用

本文采用简单的时间序列预测方法,通过对国家财政收入和支出数据的分析,建立曲线模型,然后根据模型与实际数据曲线的拟合程度,分析误差,最终利用模型预测数据,以达到较为准确的拟合和预测效果。     

基于时间序列分析的全国GDP预测模型

本文利用统计软件对我国1978年到2006年的实际GDP时间序列数据进行了分析,建立了ARMA模型,并对2009年到2011年的全国GDP进行了预测。结果表明模型有很好的预测效果。     

基于ARIMA模型对销售总额的预测分析

在自然科学和社会科学各研究领域中,大量决策问题都离不开预测,预测是决策的基础。近年来,ARIMA模型得到了极大的发展,越来越多的应用在各个领域的分析中,本文我们对某公司2000年1月到2008年12月的8种商品的销售总额的数据作为分析的样本进行分析,建模,预测未来三期的值。为了验证预测的准确性,我们去掉了后三期的数据,作为预测目标,以便对真实值与预测值进行有效的对比,结果预测基本准确,最终我们得出预测五期的增量。     

基于组合模型的江苏省居民用电量预测分析

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。     

宁夏实际人均GDP时间序列分析及预测

实际人均GDP是具有重要经济意义的指标,它的增长具有一定的内在规律性,文章建立了宁夏实际人均GDP的带趋势项的混合时间序列模型,分析研究了模型的稳定性和可外推性,预测了2011年～2015年宁夏实际人均GDP的发展水平,说明宁夏实际人均GDP具有一定的时间趋势.     

基于时间序列模型的吉林省农产品市场营销策略分析

吉林省的粮食产品和农产品的生产对于我国的农业发展起到了至关重要的作用,但随着当今居民消费结构与互联网技术的迅速发展,如何通过农业的发展对吉林省的经济起到更为有效的促进作用是一个重要的问题。吉林省得天独厚的地理环境对于农作物的发展有巨大的优势,这也使得吉林省农业水平一直在国内处于领先地位。但相对于北京、上海等发达的城市来说,吉林省还没有平台来进行高效的运营运作。所以本文在此背景下来对吉林省的农产品的市场营销策略进行了分析后,通过时间序列模型来对未来的吉林省农产品出口额进行预测,最终提出问题和解决对策。