基于ARIMA模型的我国木薯干进口发展预测研究

本文采用时间序列分析方法对我国1984—2007年木薯干进口量的数据进行分析,建立相应的时间序列模型。我们预留了2006—2007年的数据进行模型预测对比。通过预测对比,发现ARIMA模型的预测效果较好,可以用来对我国木薯干进口量进行预测。     

城市生活垃圾产量预测研究——以武汉市为例

首先对利用回归分析方法来预测城市生活垃圾产量时容易产生伪回归进行了阐述和例证,接着运用时间序列的分析方法,对武汉市城市生活垃圾年产量序列建立了ARIMA模型,借助SAS软件系统对该模型进行了分析,并对垃圾年产量做了预测,模型拟合效果比较理想,为环卫部门加强对城市生活垃圾的回收处置及管理提供了参考。     

关于我国人口总数的ARIMA模型

时间序列分析是预测动态数据的一种重要方法。本文利用时间序列分析方法研究历年我国人口总数的统计规律性,对其建立ARIMA模型,并进一步对其预测。     

ARIMA模型在社会消费品零售总额预测中的应用

运用时间序列分析方法之一的单整自回归移动平均模型(ARIMA)法,对中国社会消费品零售总额进行时间序列分析。分析显示,ARIMA模型可以提供比较准确的短期预测效果,可以为中国社会消费品零售总额的预测提供一定的依据。     

ARIMA模型在社会消费品零售总额预测中的应用

运用时间序列分析方法之一的单整自回归移动平均模型（ARMA）法，对中国社会消费品零售总额进行时间序列分析。分析显示，APIMA模型可以提供比较准确的短期预测效果，可以为中国社会消费品零售总额的预测提供一定的依据。     

城市生活垃圾产量预测研究——以武汉市为例

首先对利用回归分析方法来预测城市生活垃圾产量时容易产生伪回归进行了阐述和例证，接着运用时间序列的分析方法，对武汉市城市生活垃圾年产量序列建立了ARIMA模型，借助SAS软件系统对该模型进行了分析，并对垃圾年产量做了预测，模型拟合效果比较理想，为环卫部门加强对城市生活垃圾的回收处置及管理提供了参考。     

基于ARIMA模型的我国快递业务量状况研究

本文通过Eviews8.0软件采用时间序列分析方法,对我国快递业务量的月度数据进行分析,建立ARIMA模型并进行参数估计及检验,对比Holt-Winters季节乘法模型预测结果和实际值进行误差分析,选择ARIMA季节乘积模型,对未来我国的快递业务量进行预测。     

武警经费规模的干预分析

本文通过对武警经费规模时间序列的分析,结合自相关系数和偏自相关系数,建立ARIMA模型,运用干预分析方法对此模型进行修正,最终结果表明干预模型减小了预测误差。通过干预影响序列建立起的干预模型,从定量的角度反应了2008年的重大事件对武警经费规模的影响,为武警经费规模的研究和预测提供参考。     

基于MATLAB的商品销售额预测模型

文章运用MATLAB软件中的一些时间序列建模方法及回归分析方法对某商品的季度销售额作了预测分析,得到了较高的预测精度,在实际应用中预测值的准确对于指导商家的战略决策起着重要作用。     

上证指数波动与GDP增长率变动的相关性研究

本文运用时间序列和计量分析方法,收集1991年以来上证指数和GDP增长率的年度数据,利用EViews软件,运用协整检验、Granger因果检验等,分析了我国上证指数波动和GDP增长率变动之间的关系.并得出相关结论,以期为进行资本运作与经济预测提供参考.     

时间序列分析在居民消费价格指数预测中的应用

以我国2004年~2008年的消费价格指数为例,利用时间序列分析方法的ARIMA模型进行预测分析。通过对统计数据的短期变化趋势进行验证,结果表明该模型有效,预测值与实际值相一致。     

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。     

时间序列AR模型的应用

时间序列分析可以根据动态数据揭示系统结构和规律,本文利用模型对上证指数进行了分析和预测.     

旅游产业的结构分析、区位优势与发展预测——湖北省神农架林区案例

旅游产业分析与预测是区域旅游规划的重要基础调研工作之一,本文以湖北省神农架林区为例,对当地旅游产业经济总量结构、要素配置及区位优势进行了定量分析,并对其未来发展趋势进行了时间序列分析和线性模型拟合,试图在研究分析方法上形成一定的程式规范并有所创新。     

时间序列AR模型的应用

时间序列分析可以根据动态数据揭示系统结构和规律,本文利用模型对上证指数进行了分析和预测.     

时间序列分析法在美国经济预测的应用研究

时间序列分析对时间序列的比较、分析、预测都具有重要的理论意义和实际应用价值.本文选取美国ISM制造业指数和美国未决房屋销售月率这两组较有代表性的数据,通过图表以及相关的误差分析,详细地比较了这两种典型的时间序列预测方法:移动平均法和指数平滑法,各自特点和适用范围,并对美国经济走势做出预测,由此得出结论:移动平均法更适用于预测波动较小的数据;而运用指数平滑法进行数据预测,则可通过增大指数来减小误差;根据预测结果显示,美国经济将呈温和增长势态.     

基于时间序列分析的体育比赛成绩分析与预测

对时间序列分析在体育比赛成绩分析与预测中的应用进行了研究。讨论对体育比赛成绩数据进行时间序列分析的可行性。通过软件SAS和E-view进行实例分析,给出优化模型,用以预测比赛成绩。然后通过对比预测成绩与真实成绩之间的差异,对运动员进行定量评价。     

基于加权支持向量机的金融时间序列预测

金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研究表明,与传统金融时间序列预测方法比较,基于加权支持向量机有效地提高了金融时间序列预测的精度。     

旅游产业的结构分析、区位优势与发展预测——湖北省神农架林区案例

旅游产业分析与预测是区域旅游规划的重要基础调研工作之一，本文以湖北省神农架林区为例，对当地旅游产业经济总量结构、要素配置及区位优势进行了定量分析，并对其未来发展趋势进行了时间序列分析和线性模型拟合，试图在研究分析方法上形成一定的程式规范并有所创新。     

基于SARIMA-BP神经网络方法的汽车销量预测研究

对汽车销量时间序列的预测方法进行了研究,针对汽车销量影响因素表现出的多样性,应用灰色关联分析法对其进行筛选。针对汽车销量时间序列表现出的线性特征和环境动态变化导致的非线性规律,单一的线性预测方法和非线性预测方法都无法满足时间序列的预测要求。提出了一种SARIMA-BP神经网络预测方法,利用SARIMA方法对时间序列的线性部分进行建模,利用BP神经网络方法对时间序列的非线性部分进行建模。仿真结果表明,SARIMA-BP神经网络方法比单一模型的预测准确率更高。