季节性波动的预测新方法——直线与三角曲线迭加法

在商品经济活动中,有许多商品的产量或销售量是随季节呈周期性变化.搞好季节性波动预测,对提高生产计划的科学性和经济效益具有十分重要的意义,季节性波动比较复杂,预测方法也较多,这里我们讨论一种新的预测方法,这种方法不仅简单,容易掌握,而且预测精度较高。     

季节性变动影响下的上海港集装箱吞吐量预测

港口吞吐量精准预测对于每一个港口的成功经营和有效决策都十分重要.季节性波动经常会影响港口吞吐量,为了更为准确地预测上海港口集装箱吞吐量,本文选取2007年至2012年上海港母港集装箱吞吐量的月度数据,并对于港口集装箱吞吐量的月度数据中出现的季节性波动进行了处理,采用季节时间序列模型对其进行预测.为了说明方法的有效性,以同样的数据,使用整自回归移动平均模型对上海港集装箱吞吐量进行预测.两种方法预测结果进行对比发现,利用季节时间序列模型对港口集装箱吞吐量季节性进行处理,能够提高港口集装箱吞吐量的预测精度.     

基于函数性数据分析的中国社会消费品零售总额数据的预测

基于数据的函数性特征,采用函数性数据分析方法对中国社会消费品零售总额进行预测。将总额数据分解为长期趋势成分和季节性波动成分分别进行预测。对长期趋势成分引入居民可支配收入数据来辅助预测,对于季节性成分采用自适应选择权重的加权预测法,将两项预测值的和作为总额预测结果。真实数据上的实验结果表明,本文提出的预测方法预测误差小,且预测结果具有很好的可解释性。     

时间序列分析在旅游行业净利润预测中的应用

本文针对旅游行业净利润呈季节性波动的特征,以尽可能准确地预测企业各季度净利润为目的,用时间序列分析及线性回归的方法构建旅游行业季度净利润预测的数学模型。     

基于季节差别的拉日铁路旅客列车开行方案

季节差别最主要的问题在于运量的波动，特别是客运量的波动。高原铁路客运量的波动异常明显，运量的骤增与骤减呈现出了鲜明的季节性。随着高原铁路的运营，高原铁路客运量波动带来的运能紧张和虚糜问题也日渐突出。拉日铁路作为纯藏区运营的高原铁路，应该制定弹性旅客列车开行方案来适应高原铁路客运量季节性的波动。     

基于实际波动率的VaR模型实证研究

以实际波动率预测方法替代传统的波动率预测方法，应用到VaR模型中去，并随机选择了五只股票数据进行实证研究，比较基于GARCH模型和实际波动率模型的两种VaR预测结果，得到基于实际波动率的VaR预测效果显著地优于基于GARCH模型的VaR预测效果.     

基于Fisher聚类的公交客流量时间序列预测及对比

公交客流量预测是城市公共交通管理的基础,科学的客流量预测能够为公交系统管理和路线调整提供可靠依据。考虑到公交客流量的波动差异性以及预测的复杂性,首先利用Fisher算法对原始数据聚类,并依时段划分为六种类型;然后选择自回归差分移动平均模型以及季节性自回归差分移动平均模型两种方法开展公交客流量的预测,并以广州市公交客流量数据进行实证分析,最后计算两种模型的平均绝对误差和平均绝对百分比误差,对比分析基于聚类数据的两模型预测效果的优劣。结果发现:基于Fisher聚类数据,季节性自回归差分移动平均模型的预测效果较好,且比数据未聚类前对应模型预测的效果更优。     

商品销量的趋势分析及预测

本通过分折一部分季节性商品销量的历史资料，以时间序列分折方法为基础，找到了一种对于季节性商品未来销量较为有效的预测方法，并以某城市的啤酒销售量进行实证分析。     

商品销量的趋势分析及预测

通过分析一部分季节性商品销量的历史资料，以时间序列分析方法为基础，找到了一种对于季节性商品未来销量较为有效的预测方法，并以某城市的啤酒销售量进行实证分析。     

利用样条函数建立季节性时间序列的预测模型

用B样条函数最小二乘法的非参数回归与时间序列相结合的方法建立了季节性时间序列预测模型. 利用滑动平均估计季节项,再利用B样条函数非参数回归估计长期项和周期波动,对于随机项建立ARMA模型,最后对某产品需求量进行了实例分析. 结果表明该方法有较高的预测精度.     

基于X12-ARIMA和LSTM组合模型的城市蔬菜价格波动规律及预测

蔬菜产业是社会的主导产业之一,是国民经济的重要组成部分,获取准确有效的蔬菜价格波动信息是种植技术员安排生产以及市场价格调控人员实施决策的重要依据.以成都市莴笋价格为例,提出一种基于时间序列的X12-ARIMA和长短期神经网络(LSTM)组合价格数据预测模型,重点比较研究组合模型的预测效果.首先通过H-P滤波方法和CensusX12对价格数据进行分解,分析其波动规律,再使用X12-ARIMA模型对蔬菜价格序列进行预测,揭示其线性特征,最后利用LSTM模型对X12-ARIMA预测模型的误差序列进行建模预测,得到蔬菜价格波动的非线性规律,二者预测值之和就是组合模型的预测值.实验结果表明,成都市蔬菜价格有季节性循环等特性,且通过对比和分析显示,提出的组合模型预测精度更高和性能更优,可作为预测城市蔬菜价格异常波动的参考依据.     

季节性时间序列预测方法选择

现实生活中大部分的经济数据不仅会随着时间的推移显示出一定的长期趋势,往往还会因为季节性因素而呈现出周期变化,因此,对于这种既具有倾向性变动趋势又有季节性变动的时间序列的预测就成为了统计预测的重要内容之一。因为预测方法选择的多样性,主要讨论温特线性与季节性指数平滑法,自适应过滤法和ARIMA模型拟合法这3种重要且比较典型的预测方法,通过比较3种方法的优劣,有助于在实际预测中预测方法的正确选择。     

基于函数性数据分析的中国社会消费品零售总额数据研究

运用函数性数据分析中的主微分分析方法对中国1984年至2010年间的社会消费品零售总额进行拟合,较传统方法获得了更好的拟合效果。采用两阶段的拟合过程来分别刻画社会消费品零售总额的长期趋势和季节性波动。结果表明:拟合函数在历年的季节性成分具有大致相同的走势,反映了数据的季节性波动的规律;历年的季节性成分又不是完全重合,而是能够体现年份之间的差异,因而获得了较小的拟合误差。     

短期负荷预报的灰色系统方法

采用一种改进型的灰色预测方法即灰色校正变模型法对电力系统的短期负荷进行预测。该方法的特点是能根据电力负荷在不同预测点的变化趋势，自动选择在给定预测点上误差最小的预测模型，并针对电力负荷的季节性，周期性变化的特点，有用系数法进行修正，从而给出各预测点的最佳预测结果。     

季节性情绪波动对医学生成绩的影响

目的:探讨季节性情绪波动对学生学期成绩的影响.方法:采用季节性行为模式调查表(SPAQ)对所选取的69名医学生进行调查,以此分出冬季及夏季情绪波动组和正常组;冬季情绪波动组与正常组进行期中考试成绩比较,夏季情绪波动组与正常组进行期末成绩比较.结果:医学生中夏季情绪波动组人数所占比例(24例,34.78%)比冬季情绪波动组(13例,18.84%)高;两组情绪波动组成绩均明显低于正常组(夏季组χ2=11.06,P<0.05;冬季组χ2=10.36,P<0.05).结论:季节性情绪波动在医学生中的存在及其影响是一个不容忽视的问题,应引起教学管理者的高度注意.     

变风量空调系统新风量的实时预测

在多区域变风量（Variable Air Volume，VAV）空调系统的新风控制中，现行的控制方案不可避免地遇到困难，使用预测的方法来实施前馈控制，对可能出现的扰动提前作出补偿将有可能改善目前多区域VAV空调系统的新风控制问题，ARIMA模型可以较准确地预测非稳态随机过程的时间序列，以季节性ARIMA模型为预测模型，在利用CO2浓度检测室内人数的基础上，对一大楼中各区域的新风要求进行了预测，结果表明，季节性的ARIMA模型可以很好地满足空调系统新风预测的要求。     

回归分析和季节性分析相结合的一种预测方法

线性模型的预测只适应线性关系，但在实际应用中，相关变量关系可能受很多因素的影响，其中之一是季节性，本文在季节性影响的情况下对线性结果作了必要的修正，并通过实例说明，预测结果与实际较一致。     

基于季节性时间序列模型的林业产值预测分析

【目的】针对林业产值预测,提出一种基于季节性时间序列的方法,为林业部门制定合理规划提供重要依据。【方法】对林业产值序列采用CH检验方法检验其平稳性,考虑序列的周期性和趋势性特点,建立基于季节性时间序列的林业产值预测模型,并与传统的GM(1,1)模型进行对比分析。【结果】与传统的GM(1,1)模型相比,季节性时间序列模型不仅可以预测以年度数据为单位的经济序列,而且可以预测以季度数据和月度数据为单位甚至是每日数据为单位的经济序列,且具有更高的预测精度。【结论】季节性时间序列模型可有效地预测林业产值的周期性和趋势性,且可大幅度提高预测精度,可用于林业部门对林业产值的预测和规划。     

一类季节性商品市场预测的新方法

讨论了一类季节性商品的市场预测问题，在原有模型基础上，提出了一种改进的预测新方法，可以提高预测精度。     

一种新型的混合式的中国环县短期风速预测

风能是一种清洁、无污染的可再生能源,由于气象参数的混沌和内在复杂性,使得风速的预测是一个非常困难的问题.基于对实际风速数据集,使用季节性指数调整消除季节性因子和反向传播(BP)神经网络,给出一种新的风速预测方法.数值结果表明,该方法能有效地提高风速预测的准确性.