中国社会消费品零售总额的预测模型

用自回归、移动平均、自回归移动平均模型(ARIMA)拟合分析2002年1月到2008年8月中国社会消费品零售总额,建立预测消费品零售总额的疏系数乘积季节模型,并用该模型预测2008年6~10月的社会消费品零售总额和2009年月度消费品零售总额.模型预测误差率都在0.03以内,估计值与真实值吻合,拟合效果能达到预期的目的.     

ARIMA模型在居民消费价格指数预测中的应用

将ARIMA模型应用于居民消费价格指数的拟合和短期预测中,采用2001年1月至2013年10月中国居民消费价格指数的月度数据,借助EViews 6.0软件对数据进行拟合分析,建立了乘积季节ARIMA(5,0,6)(1,1,0)12模型,并讨论了模型的准确性,对未来中国居民消费价格指数进行了预测,该模型具有较高的理论与实际价值。     

基于灰色关联分析的季节性民航货运量预测

为更精确地预测月度航空货运量,提出组合模型预测方法.该模型由季节GM(1,1)和季节ARIMA乘积模型构成,它结合了该2种模型中时间序列预测的优点.灰色模型GM(1,1)能准确反映时间序列的增长趋势;ARIMA乘积模型对季节特征有较好的拟合效果.依据霍尔特温特预测模型计算季节性GM(1,1)模型的季节指数,并用灰色关联分析求出组合预测中的权值.组合预测模型的平均相对误差为0.62%,而季节性GM(1,1)模型和ARIMA乘积模型的平均相对误差分别为4.49%和-3.16%.预测分析结果说明,该模型的非线性曲线拟合精度和预测精度明显高于单个模型,可较好地反映系统的动态性和运量的季节时序关联性,为季节性时间序列预测提供了新的途径.     

灰色模型预测在黄土地基沉降测量中的应用

为了掌握黄土地基建筑物施工过程中随着负荷增加而呈现的沉降趋势,通过对沉降量的分析得到更好的预测沉降规律的方法。文中以青海省海东市三级综合医院(一期)建设项目为例,根据建筑物沉降监测数据,分别运用二次抛物线法、多项式拟合法以及灰色模型预测法建立沉降时序模型,并对第七期沉降进行预测,通过预测结果分析3种预测方法的精度及适用性。结果表明:二次抛物线法与真实值最接近的预测值为Z3点的-0.38 mm,且相差为-0.24 mm;多项式拟合法预测值与实测值相差最小的Z19点为-0.75 mm,与真实值相差为+0.17 mm;灰色模型法预测值与真实值相差较小,相差最大的Z3点预测值为-0.76 mm,相差+0.14 mm,相差最小的Z19点预测值为-0.59 mm,相差+0.01 mm。通过预测值与真值相差值的比较可知,二次抛物线法与多项式拟合法的预测曲线不符合实际沉降趋势,使得预测结果失真,两者均不适用于黄土地基沉降量的预测;灰色模型预测收敛速度快,且预测值与实际值较接近,误差小,预测模型与工程实际变形一致。     

乘积季节模型在商品房市场中的应用研究

主要采用时间序列乘积季节模型(随机季节模型与ARIMA模型的结合式)及多元统计方法,对商品房市场的发展规律进行了研究.通过对合肥市2001年至2005年60个月份的月度商品房销售面积进行实证分析,建立了一个商品房市场销售规律的统计预测模型ARIMA(0,1,1)×(0,1,1)12,并对该模型进行适应性检验,得到较好的结果.最后,利用该模型对该市的房地产发展趋势进行了预测.     

我国社会消费品饮食类零售总额的预测模型研究

文章运用时间序列乘积季节模型。在SPSS系统下对我国2004年1月至2009年12月共72个月份的社会消费品饮食类零售总额进行实证分析,从模型识别、参数估计、适应性检验和实际拟合4个方面确定了无常数项的统计预测模型,并对模型的预测效果进行检验,结果分析表明,该模型能较好地反应零售总额的变化规律．     

BP神经网络与离散GM(1,1)模型在拓宽路堤沉降预测中的应用

目前,对于拓宽路堤沉降趋势和稳定性的研究很少﹒为了探究拓宽路堤的沉降变化趋势和沉降规律预测,以益阳市梅林路K0+460～K0+600为基础,运用BP神经网络与离散GM(1, 1)模型对拓宽路堤进行沉降预测,并结合已有监测数据,对比分析2种方法的优劣﹒结果表明:离散GM(1, 1)模型能对已有数据进行拟合,输出预测值与实际监测结果相近;BP神经网络模型预测值相对离散GM(1, 1)模型更加接近实际监测结果,但需要对阈值与权重进行多次调试﹒2种方法沉降预测值均与实际监测值相近,均能有效预测拓宽路堤沉降﹒     

基于ARMA模型的海西州地区慢支发病情况研究

通过EViews软件对青海海西州地区支气管炎发病例监测登记资料进行统计分析,同时进行时间序列模型拟合,观察疾病发展趋势,建立了时间序列模型,并对实际值与预测值进行比较.     

基于RTK的校园高程异常值分布规律实验与建模

卫星定位方便快捷且精度高,为了在校园里可以用RTK的测量手段代替传统四等或等外水准测量,需准确获取校园高程异常值分布情况.该文主要通过均匀分布在学校若干个已知高程异常值的点来建立模型,从而拟合出校园整体高程异常分布情况.主要分析比较了平面拟合模型、二次曲面拟合模型以及MATLAB曲面拟合模型.实验表明二次曲面拟合模型更加适合本校园的高程异常分布规律,其拟合精度内符合达到10.7 mm,外符合17.4 mm,能够满足普通水准测量需要.     

桂林市旅游人数的时间序列预测模型

采用一阶自然对数差分和一阶季节差分来数学处理桂林市月旅游人数时间序列的季节性和波动性趋势,并依据1999年1月～2006年8月桂林市月旅游人数数据,建立桂林市旅游人数的时间序列预测模型,并将该模型与实际数据进行拟合和预测,结果表明该模型与实际数据的拟合性好,预测得到的数据与实际数据误差较小,可以实际用来预测未来日旅游人数的基本趋势,为管理和市场决策提供参考.     

基于灰色BP神经网络的我国工业增加值预测研究

针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。     

ARIMA乘积季节模型对我国消费者信心指数的分析

消费者信心指数能够预测消费支出,对某些宏观经济指标也有较好的预测效果。本文运用Eviews6.0软件对2006.01—2011.12我国消费者心指数的统计数据建立ARIMA乘积季节模型。结果表明该模型适合预测我国的消费者信心指数而且预测精度较高,但只适合短期预测。     

桂林市汽车销售量的时间序列预测模型

选取1999年1月到2007年3月桂林市各季度的汽车销售量原始数据,在SPSS系统下,运用滑动求和自回归(ARIMA)方法及非参数方法建立桂林市汽车销售量时间序列模型ARIMA(p,d,q),从模型识别、参数估计、适应性检验和实际拟合4个方面来确定模型的参数(p,d,q),并对模型的预测效果进行检验。结果表明,ARIMA(0,2,2)模型能够较好地包含桂林市汽车销售量的发展趋势,该模型对2007年2季度至2008年2季度汽车销售量的预测值与实际值的误差小,相对误差可以控制在3%以内。     

厦门市工业总产值时间序列分析研究

运用传统时间序列季节模型和Box-Jenkins的随机序列模型ARIMA（p，d，g）模型分析法，选取1999年1月至2005年8月厦门市工业总产值资料，建立厦门市工业总产值动态预测模型进行试预测。探索合适的预测模型来对厦门市工业总产值进行短期预测。     

用灰色理论预测石油总产值

本文介绍了灰色理论及其建模方法,运用它建立了石油工业总产值的灰色预测模型,并与计量经济学模型比较,指出了对上下波功问题,建立灰色模型比建立计量经济学模型拟合程度高。同时用模型计算出了1988、1989、1990、1991等四年的石油工业总产值的预测值。本文最后指出了灰色模型的局限性,提出了克服这一局限性的方法。     

电力系统短期负荷预测

应用经济学中市场需求预测的季节性交乘趋势模型预测城市电网的电力短期负荷，与线性递推最小二乘法估计的ＡＲ模型ＡＲＭＡ模型，分解组合模型和基于卡尔曼滤波的状态空间法比较的结果表明，其计算精度和效率均较优，在此基础上，结合我国电网运行的实际情况，提出一种新的法定节假日的预测方法－基础年选择法，获得满意计算结果。     

涪陵区产业结构状况及其优化方向

对涪陵区1998-2016年三次产业生产总值和就业人数的变化趋势进行了分析,发现第二产业生产总值的增长幅度大于第一、三产业,第三产业的就业重要性高于第二产业,第二产业的就业重要性高于第一产业.为了促进涪陵区的产业结构向更高水平优化,建议助推新型农业现代化、建立现代化工业体系、发展现代服务业和实现产业结构协调发展.     

SCGM(1,h)_c残差修正预测模型及其在柳州市总体规划中的应用

针对隐含动态系统特征的关联多因子灰色系统,提出了SCGM(1,h)_c残差修正预测模型.将该模型用于柳州市总体规划,对相互关联的社会总产值、工业总产值和农业总产值进行了预测.结果表明,模型精度高、适应性强,预测效果令人满意.     

图书借阅预测的ARIMA乘积季节模型构建及实证分析

本文研究乘积季节模型在我校图书借阅预测中的应用,通过对我校2007年1月到2009年12月的月度图书借阅数据来进行实证分析,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,建立了我校图书借阅的乘积季节预测模型ARIMA（4,1,1）（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我...