基于乘积季节模型的湖南卫视收视率的分析与预测

以湖南卫视全天平均收视率为研究对象,考虑到收视率的周期性,引入ARIMA乘积季节模型对其进行分析与预测.对收视率序列做差分平稳化和消除季节性处理,再通过模型识别与定阶,确定选用ARIMA(4,1,1)×(3,1,1)7模型,建立模型并做参数估计.模型检验结果表明:该模型拟合效果好,预测值与真实值接近,误差较小.     

ARIMA与BP神经网络混合模型在广西GDP预测中的应用

为改进单纯使用ARIMA模型或BP神经网络模型对GDP预测的效果,笔者以1978—2008年的广西GDP为样本,首先建立ARIMA模型,得到拟合误差序列及2009—2015年的广西GDP的初始预测值,再对误差序列构建BP神经网络并得到2009—2015年的误差预测值,最后,用误差预测值对初始预测值进行修正,得到修正后的2009—2015年广西GDP的预测值。结果表明,ARIMA与BP神经网络混合模型的预测结果显著优于单一模型的预测。     

风电功率预测

由于近地风具有波动性、间歇性、低能量密度等特点,因而风电功率也是波动的。因此,对风电场的发电功率进行预测,有利于电力调度部门根据风电功率变化预先安排调度计划,保证电网的功率平衡和运行安全。为进行此研究,可利用大量时点的风电功率历史数据,并运用SPSS、eviews等软件进行统计分析以及建立了合适的预测模型对题目进行求解。本次建模主要运用了时间序列分析法(ARIMA模型)。时间序列分析法中,采用eviews分析风电功率历史数据,得到ARIMA模型的相关参数(p、q、d),进而利用SPSS模拟曲线并进行实时预测得到各个时点的数据。在利用时间序列法建立ARIMA模型时,对模型各参数进行了详细的检验和测试,如ADF检验,通过ACI数值大小选取合适p、q值等等一系列优化模型的方法,进而提高了预测的准确率。     

灰色预测模型在山东省保费预测中的应用

以山东省保费收入总量的历史数据为依据,利用灰色预测GM(1,1)模型对山东省2016年及2017年的保费收入总量进行了预测,预测结果表明山东省2016及2017年保费收入总量将呈稳定增长态势.并对保费预测模型进行了检验,检验结果表明,本文对2016年及2017年山东省保费收入预测精度较高.     

基于小波与ARIMA的黄骅市降水和气温的分析研究

为探究黄骅市降水和气温的变化特征及演化趋势,基于1956—2020年黄骅市降水和气温资料,运用Mann-Kendall检验、累积距平、小波分析的方法,研究黄骅市降水和气温的演变特征与周期性规律,并基于1956—2015年的数据建立ARIMA模型,对该市2016—2020年的降水量、温度进行了拟合与对比分析。结果表明:1956—2020年,黄骅市多年平均降水量588.6 mm,多年平均温度12.7℃。1956—2020年黄骅市气温显著上升,降水量呈下降趋势。在55年的时间尺度上,气温和降水的小波方差均存在一个明显的峰值,且二者在该时间尺度上对应的周期均为37年。年均温度与月降水量的最优模型分别为ARIMA(0, 1, 2)、ARIMA(1, 0, 0),实测与模拟值相对误差不超过22%。     

中国CPI时间序列预测模型

本文利用中国1990-2008年的月度CPI数据,建立自回归移动平均结合模型(ARIMA)对2009年1-5月的CPI进行了预测,结果表明,ARIMA(1,1,2)是描述我国CPI变化趋势相对较优的时间序列模型。     

中国CPI时间序列预测模型

本文利用中国1990—2008年的月度CPI数据,建立自回归移动平均结合模型（ARIMA）对2009年1—5月的CPI进行了预测,结果表明,ARIMA（1,1,2）是描述我国CPI变化趋势相对较优的时间序列模型。     

旅游需求预测的ARIMA乘积季节模型构建及实证分析——以桂林市为例

主要研究乘积季节模型在桂林市旅游需求预测中的应用,通过对桂林市旅游人次2000年1月至2008年5月(共113个月)的月度资料来进行实证分析,采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立了桂林市旅游人次的乘积季节预测模型ARIMA(2,1,1)×(1,1,1)12。对模型进行诊断检验,结果表明,用该乘积季节模型对桂林市旅游人次的拟合效果较好。最后,利用此模型对桂林市2008年6月至12月旅游人次数量的趋势进行了预测,与实践有拟合较好。     

时间序列分析在对国家工业总产值预测分析中的运用

通过引入Box-jenkins的随机时间序列ARMA(p,q)和ARIMA(p,q)模型分析法,运用SAS软件系统对1980-2003年的国家工业总产值建立了ARIMA模型,作了预测分析,得到了较高的预测精度。与新获得的2004年的实际数据比较,误差很小,表明本文方法的可行性。     

ARIMA模型在省级全社会固定资产投资预测中的应用

ARIMA模型较好地解决了非平稳时间序列的建模问题,并且在时间序列的短期预测方面有很好的表现,借助于EViews等统计软件,可以方便地将ARIMA模型用于时间序列问题的研究和预测。利用河南省1989至2006年的全社会固定资产投资总额数据,运用计量经济学软件EViews,基于时间序列分析方法建立相应的ARIMA模型,进行预测分析,为各级政府和企事业单位相关的管理决策,提供数量化的参考信息。