基于ARIMA模型对我国外汇储备余额的预测分析

选取我国1965～2018年外汇储备数据进行分析,预测我国外汇储备规模的变化趋势。首先,对时间序列数据进行平稳性检验和白噪声检验,通过二阶差分消除长期趋势的影响。其次,根据序列相关图和自相关系数识别拟合AR(2)模型。再次,对AR(2)模型和参数分别进行显著性检验,重新拟合零均值的AR(2)模型。最后,对我国外汇储备规模进行预测。结果表明:未来5年我国外汇储备余额将保持持续下降的趋势。     

基于GM(1,1)与AR模型的轨道不平顺状态预测

反映轨道几何状态变化的轨道几何检测数据是一个随时间变化的时间序列,具有随机性特点.本文将经过普遍适应性改进的灰色GM(1,1)与随机线性AR模型相结合,研究轨道水平不平顺状态在点、单元区段范围随时间变化趋势,并对GM(1,1)预测的残差进行修正,从轨道水平的几何状态变化的随机数据序列中找寻变化规律.用得到的几何状态变化模型分别对轨道的短期、中长期状态进行预测分析,预测结果表明模型是有效的,满足预定精度的要求.     

汛期雨量长期预测建模分析

通过趋势分析、跳跃分析和周期分析对上海徐家汇站汛期雨量时间序列进行组成成分分析.在此基础之上,为了探究最适用于上海徐家汇站汛期雨量的长期预测模型,选择改进的周期均值叠加模型,自回归模型AR(p),门限自回归模型TAR,灰色模型GM(1,1),误差反向传播(BP)神经网络和径向基函数(RBF)神经网络建立长期预测模型.采用平均相对误差、均方根误差、确定性系数、合格率和特大值预测合格率这5项评价指标对比分析各模型预测效果.研究结果表明,徐家汇站汛期雨量时间序列的周期成分明显,不存在趋势和跳跃成分;综合5项指标,TAR模型对汛期雨量一般值的预测效果最优,对特大值的预测需要同时参考AR(p)模型和RBF神经网络.     

粗铜冶炼中铜锍品位的动态预测模式 —AR（p）与指数平滑最优组合法

提出了一种对铜锍品位进行预测的新方法 ,即以采集的现场数据为基础 ,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型 .AR(p)模型要求数据对象是平稳时间序列 ,而三次指数平滑模型的数据对象具有随机性 ,考虑到铜锍品位的波动性 ,将 2种模型按最小二乘原理 ,以组合预测误差平方和为目标函数 ,通过使误差平方和极小化来确定 2种预测方法的最优加权系数 ,建立了一种新的组合模型 ,其预测误差最小 .结果表明 ,在当时数据条件下 ,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高 ,这对指导生产具有实用意义 .     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量的仿真实验,结果显示该模型能够对网络流量进行比较精确的预测.     

改进灰色时序模型在建筑物变形监测中的应用

建筑物变形监测数据中存在着随机干扰和不确定性因素,而单一的数学模型预测结果精度较低,制约了变形预测的准确性。针对这一问题,文中采用了一种自适应Kalman滤波的灰色时序组合预测模型。首先,通过自适应Kalman滤波算法对原始数据进行去噪处理,动态的去除数据内部的随机干扰误差;然后,将灰色模型(GM模型)与时间序列分析模型(AR模型)相结合,得到拟合时间序列中的沉降量趋势项和沉降量随机时间序列剩余项,生成一种非线性组合模型;最后,对变形监测数据进行整理预测,并将该预测模型应用于建筑变形工程实例中,与GM(1,1)预测模型、GM(1,1)-AR预测模型通过平均残差、残差的方差和后验差比值进行对比分析。结果表明:该模型后验差比值可达到0.045 1,所得数据结果明显减小,预测精度显著提高,结果更加准确可靠。     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量...     

隧道下穿时基于傅里叶时间序列预测临近结构沉降发展

隧道下穿临近结构时,目前仅能基于现有沉降判定结构是否安全,缺乏对未来短期内沉降发展的预测方法.通过测量某隧道右线下穿临近某水库时水库逐小时的沉降,分析得出水库短期沉降主要由隧道下穿引起的趋势项和每日温度波动导致的周期项组成,并根据以上特点提出一种基于傅里叶时间序列的结构短期沉降预测方法.该方法采用傅里叶级数和线性函数对周期项和趋势项分别进行拟合,并通过数据的新陈代谢保证一旦沉降发生突变后,该方法所得预测沉降对突变具有较好的灵敏度.采用该水库在同一隧道左线下穿时的沉降实测数据对该方法和GM(1,1)灰色模型的预测精度进行比较.结果表明,该方法的预测精度高于GM(1,1)灰色模型.     

基于小波SR-PSO-ELM的面板堆石坝沉降预测组合模型及应用

针对目前常规组合模型在残差序列信息挖掘上的不足,借助小波分析、逐步回归分析和粒子群算法对运行期沉降进行分层次预测,充分提取沉降观测中的非线性和不确定性信息,即利用小波去噪对观测数据进行处理,结合逐步回归模型(SR)对沉降变形的整体趋势层进行预测,并通过粒子群-极限学习机(PSO-ELM)对观测数据中的残差层进行第二层建模预测,采用分层预测后的叠加值来反映测点的沉降预测值,据此构建小波SR-PSO-ELM模型.结合某已建工程实例对本模型效果进行验证,对比其它模型的预测结果表明,提出的组合模型有着更高的精度和更优的泛化能力,能对面板堆石坝运行期沉降变形进行有效预测.     

基于溶解氡数据和长短期记忆网络的地震预报

溶解气氡浓度异常为可靠地震前兆,通过对历史观测数据进行建模,预测溶解气氡未来趋势,是快速检测溶解气氡浓度异常、研究震-氡机制的前提。溶解气氡浓度数据为典型的时间序列数据,传统的时间序列预测技术主要为自回归(AR)方法和自回归滑动平均(ARMA)方法。这些方法以线性方法为主,其拟合精度有限。采用目前最流行的深度学习技术长短期记忆(LSTM)模型对姑咱地震台、西昌地震台和雅安地震台一段时间内连续观测的溶解气氡日观测数据集溶解气氡浓度数据进行建模,采用90%的数据作为训练数据训练LSTM网络,10%的数据作为预测数据,采用均方根误差评价指标来评价模型的效果。在三种数据集上,LSTM的预测误差均方根误差均明显低于AR和ARMA方法。该结果表明,LSTM的预测精度高于传统的AR、ARMA方法。     

时间序列分析的历史发展

阐述了时间序列分析的发展历程：早期自然科学主要应用单纯的描述性分析;差分、指数和滑动平均等基本概念推动了统计性时序分析的发展;以Fourier级数为基础的周期图方法是频域分析的核心内容;时域分析经过了从AR（2）模型、AR（4）模型→AR（s）模型＋MA（h）模型→AR-MA（s,h）模型→ARIMA模型→ARCH、ARCH族模型的漫长过程.     

时间序列与主成分分析的结构损伤识别

提出一种基于AR模型均方根误差主成分分析的结构损伤识别方法.首先利用检测数据建立AR模型,求得模型的均方根误差,然后,采用主成分分析的方法获得主成分载荷矩阵,将此矩阵经过数据标准化处理得到结构损伤特征指标.通过比较结构不同状态下传感器获得的损伤特性指标,进行损伤定位.最后,基于美国Los Alamos实验室三层框架结构模型的损伤实验数据,利用本文方法和基于AR模型系数损伤定位的方法对该结构各种损伤状况进行识别.2种方法的对比研究表明采用本文的方法,通过主成分分析排除外界干扰因素,减少运算量,具有更高的损伤识别精度.     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法．重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较．结果表明，采用积分求解法所得的ＡＲ模型参数的估计精度比最小二乘法的高．     

基于ARIMA模型的全国电视收视率实证分析

现代电视媒体经营中,要想在日益完善的经济竞争机制中增加收益,对于电视媒体来说至关重要,本文通过对全国样本城市的收视率数据进行了周一至周日的走势分析,并在走势相同的情况下对周四的收视率进行了时间序列建模分析,在将原始非平稳序列经二阶差分后进行了ARIMA建模。     

基于时间序列模型的河南省房地产价格研究

以SAS软件为工具,对2009年3月～2013年3月河南省郑州、洛阳和平顶山3个城市新建住宅价格指数序列进行了实证分析.通过比较AIC、SBC值和可决系数R2,拟合3个序列的最终模型分别是郑州的异方差AR（3）-ARCH（1）模型和洛阳、平顶山的以时间变量t为因子的残差自回归模型.预测结果显示,河南省的房价近期仍呈上升态势,郑州的上涨幅度最大,大约是1.4％ ～1.5％,洛阳约为0.5％,平顶山约为0.3％.     

SARS疫情传播的时间序列分析

利用时间序列分析的思想[1～3],对北京市2003年4～6月的累计确诊SARS病例进行研究,获得了日增确诊病例的变化趋势方程,并用自回归模型AR(20)来拟合传播过程,经方差分析知模型效果高度显著,将预测值与实际值比较,结果比较理想.由此推定每个SARS病人可以直接造成他人感染的期限平均在20天左右.     

基于主成分分析的四川省城市人居环境评价

随着经济和社会的发展,人们对人居环境的要求也逐步提高,四川在经历了5.12大地震之后,本地居民对自身的生存环境产生了极大的关注,鉴于此,本文立足于四川省18个城市(不包括三个自治州)的基本状况,选取人居环境评价的主要指标,建立评价体系,采用主成分分析法,对研究区的评价指标进行了数据处理和分析,得出四川人居环境等级排名,旨在为各地区的规划建设和经济发展方向提供一个指导。     

美国金融危机与系统自组织性分析

应用系统自组织理论,基于1987年1月至2009年8月的美国标准普尔500指数(Day Closing Price)进行指数序列长期趋势分析和对数收益序列非线性验证,论证了美国金融系统是一个具备自组织条件的复杂系统。根据系统自组织临界理论,结合沙堆模型原理分析并解释了2008年10月爆发的美国金融危机是美国金融系统自组织过程中系统发生突变的表现。     

基于正态-混合对数正态共轭先验下时序趋势项的贝叶斯推断

系统地分析了AR(p)误差项的时间序列模型及条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-混合对数正态共轭先验下模型的贝叶斯推断理论,包括趋势项的核估计参数及先验参数的后验分布的统计推断.