全国人口时间序列模型预测研究

对1949—2010年全国人口时间序列数据进行了分析,并建立自回归移动平均模型(ARIMA).通过对数据的平稳性检验、模型识别与参数估计、模型检验等综合分析,确立了ARIMA(2,1,1)模型.仿真结果显示,该模型可以用来做短期预测.     

基于SVR的上海市商品房价格预测

商品房价格受诸多因素影响,研究因素与商品房价格的关系是当前研究房价的一个热点。从1998—2013年的上海市商品房基本信息中,选取了对商品房价格产生影响的8个因素,利用LIBSVM工具建立了基于SVR的商品房价格预测模型,并对1998—2013年的商品房价格进行预测。实验表明,SVR模型比ARIMA模型具有更好的预测值,预测能力更强。     

ARIMA组合模型在地区降水量预测中的应用

传统的ARIMA模型和马尔科夫模型在降水量预测中具有一定的偏差和不稳定性,为此建立了基于加权马尔科夫链修正的ARIMA组合模型.阐述ARIMA模型,并讨论了加权马尔科夫链修正预测值的方法.在此基础上,构建出基于加权马尔科夫链修正的ARIMA组合模型,将其应用于地区降水量的预测中,并利用相关数据进行实证分析.将组合模型和传统ARIMA模型的预测结果进行对比,结果表明,加权马尔科夫链对ARIMA模型预测结果的修正效果较好,从而说明组合模型的适用性更强.     

基于季节性ARIMA模型的入境旅游市场预测模型构建

基于1999～2015年中国入境旅游人数的月度数据,构建季节性ARIMA模型,并进行比较和检验.实证研究表明,ARIMA(12,1,1)(1,1,0)~(12)模型的精度和准确度更好,为中国入境旅游市场的最优预测模型,可以帮助相关部门预测未来走势并制定相关政策措施.     

基于ARMA模型的人民币对美元汇率的实证分析

针对人民币对美元汇率问题,以2015-01-05—2017-12-20这段时间内的人民币对美元汇率为样本数据,建立了合理的ARIMA模型.结合自相关、偏相关系数图以及单位根检验判断原序列是非平稳时间序列,一阶差分后的序列是平稳时间序列.结合SIC等指标选择出最优的ARIMA(1,1,2)模型.运用该模型进行汇率预测,为企业和投资者的决策提供了可靠的依据.     

灰色模型在武汉市商品房价格预测中的应用

应用灰色系统理论对武汉市2001—2010年各季度的商品房均价的数据进行分析,得到武汉市商品房价格GM(1,1)模型,并利用该模型对商品房价格进行预测.检验结果表明,该模型适用于商品房价格的中长期预测.     

生猪价格二季度后可能大幅下跌

国家发改委相关负责人预测，近期部分主产省生猪价格已出现明显下跌的苗头，预计二季度以后生猪供给会进一步增加，价格可能再次大幅度下跌。     

基于ARIMA模型的杭州市PM2.5预测

选取2017年1月1日至2017年12月31日PM2.5的日均浓度的时间序列作为样本数据,利用Box-Jenkins的建模理论,建立符合杭州市的PM2.5浓度变化的ARIMA(4,1,2)模型.利用2018年1月1日~2018年1月5日的PM2.5浓度的预测值与实际值相比较,结果表明ARIMA(4,1,2)模型预测效果较好,适用于杭州市PM2.5的预测.     

基于修正动态组合模型对公共交通客运量的预测

针对公共交通客运量的预测问题，结合ARIMA、灰色预测以及BP神经网络的优势，采用临近期的误差平方和来计算动态权重，将突发事件定义为影响因子，建立了修正动态加权组合模型．选取北京市1978—2021年公共交通客运量进行实证分析．实证分析结果表明，修正动态加权组合模型的预测效果比单一模型和固定权重组合模型更好．     

基于ARIMA模型的FreeBSD内核进化预测分析

FreeBSD内核进化有较明显的超线性趋势和内在规律科学地预测软件进化,找到一种简易又有足够精度的预测方法是管理软件工程的一项重要基础性工作以FreeBSD的62个内核版本数据作为时间序列,用ARIMA模型建模,并做出FreeBSD进化预测,将预测结果和近期发布的FreeBSD内核进化实际结果进行对比,预测结果令人满意,表明该类模型可以用于FreeBSD进化预测