SARIMA时序分析在税收预测中的应用——以贵州省为例

随着我国国民经济的飞速发展,每年的税收收入也在稳步增长,税收收入已成为我国财政收入的主要来源.税收作为国家宏观经济调控的一种主要手段,可以指导生产要素的流转以及资源的合理配置,从而使生产力布局更合理.地方税收分析对掌握地方税收与经济的关系具有重要意义.进行税收收入的精确预测能为市场经济的宏观调控提供科学依据.本研究采用时间序列的SARIMA模型对税收收入进行建模预测,通过计算预测值与真实值的平均绝对百分比误差和均方根误差对模型进行评估,结果表明该模型有较好的预测度.     

地方国库现金流预测研究——以延安市为例

以延安市为例,通过分析市本级国库现金流特征,选择时间序列预测方法,以2008-2011年的月度数据为样本,利用ARMA模型对2012年1-6月的收支存数据进行短期预测.并结合现金流实际数据与当前经济形势探讨误差产生的原因,并提出相应对策以提高预测精度,进而为地方国库现金管理提供有效依据.     

时间序列分析法在房价预测中的应用——以广州市的数据为例

采用时间序列分析法,以广州市几个有代表性的行政区的房价数据为分析对象来建立预测模型,并经过残差分析,对误差进行检验,结果预测值与实际观测值基本吻合,达到了预测的目的。     

基于ARIMAX模型的我国GDP预测分析

基于我国1980-2018年间的GDP和全社会固定资产投资总额数据,以全社会固定资产投资总额为自变量,利用SAS软件,首先建立动态回归模型对我国2019-2021年的GDP进行预测研究。然后建立ARIMA模型对GDP进行预测,预测结果与ARIMAX模型进行对比,发现ARIMAX模型预测更为准确。预测结果显示2019-2021年我国GDP总量稳步增长,我国经济发展前景良好。     

一类非线性模型及其最佳预测与最佳线性预测的区别

本文给出了一类非线性时间序列模型,并证明它的最佳预测与最佳线性预测不同。     

犯罪时间序列预测分析方法研究——以CrimeStat软件为例

作为一种基础且应用广泛的统计方法,时间序列分析方法在各个领域都有所应用,时间序列分析方法对分析犯罪行为有一定的帮助。Crime Stat软件是一个专门处理犯罪数据的统计分析软件,其中的时间序列模块可以对犯罪数据进行一定程度的时空预测。研究发现,在指定辖区内过去几年内的犯罪时间历史数据可以通过CrimeStat的时间序列模块得出预测结果。科学判断各辖区可能会出现的犯罪异常能够对警方的决策作出指导性建议,提高工作效率,并有助于公共安全的维护。     

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。     

粮食作物产量预测的专家系统知识模型研究

粮食作物产量预测是一个非常复杂的知识推理过程．从粮食作物播种开始,直到收获全过程的实际出发,提取出一个预测知识模型,运用3个层次推理有机的组合,在宏观和局部上实现对粮食作物的产量预测,具有良好的推广价值．     

基于时序分析与神经网络的能源产量预测模型

实际生产系统中存在大量时间序列问题，为了研究系统的结构和规律，我们需要建立时间序列模型，对其进行预测和分析。目前时间分析方法多采用AR或ARMA模型，但由于实际问题错综复杂，导致模型求解困难，实际中难以应用。为了解决上述问题，首先分析了生产系统时序分析的基本原理，利用BP神经网络建立了时序—神经网络模型，然后利用该模型对能源产量进行了预测。通过预测结果的分析可看出，该模型具有利用方便、动态性能好、预测准确性高等优点，在实际中具有一定的实用价值。     

基于时间序列分析的货运周转量预测

基于重庆市统计局的实际统计数据,通过对实际样本数据进行预处理,确认重庆水运货运周转量序列为平稳非白噪声序列。在此基础上,通过对1995-2009年重庆水运货运周转量的数据分析,利用时间序列分析方法建立了ARMA预测模型,结果显示该模型具有较好的预测效果,对重庆水路货物运输工作及水运的发展决策有一定的参考价值。     

旅游收入时间序列预测——以秦皇岛市为例

采用时间序列动态模型、求和自回归滑动平均模型、延迟因变量自回归模型预测秦皇岛旅游收入时各有优劣。用平均绝对百分比误差、均方根误差和均方根百分比误差三个指标来评估这三个模型,发现求和自回归模型的预测能力最好,并由此提出增加秦皇岛旅游收入的关键措施：导入区域旅游模式,提升旅游服务质量,加强旅游产品促销等。     

商品销量的趋势分析及预测

本文通过分析商品销量的历史资料，用时间序列分析的方法，对商品未来的销售情况进行科学预测，达到以销定产。     

商品销量的趋势分析及预测

本文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.     

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.     

时间序列分析在吉林省进出口贸易总额预测中的应用

时间序列分析是根据观测的时间序列数据,通过曲线拟合和参数估计建立数学模型的理论和方法,目前广泛地应用于社会、经济和生活预测等问题,一般只适用于短期预测。该文基于时间序列分析理论,借助于计量经济学软件Eviews8.0,通过对1984—2011年吉林省进出口贸易总额数据进行系统分析,建立了时间序列模型,并对2012-2015年的吉林省进出口贸易总额进行了预测和分析,得到了与实际比较吻合的结果,以期为吉林省对外贸易的合理规划和决策提供一定的理论依据。     

枯水径流的序列分析和预测

利用枯水径流的年际变化具有长波性变化这一规律，对汉中盆地主要河流的枯水流量序列进行谐波分析，揭示其周期性变化的规律，为枯水径流长年变化的预测提供依据。     

基于时间序列分析的滑坡位移预测-以尖山营古滑坡复活为例

为了深入研究滑坡位移的特点,以尖山营古滑坡复活为例,基于时间序列加法模型,结合尖山营古滑坡的复活背景,将古滑坡位移分解为趋势项与周期项。对趋势项位移使用等维新息灰色（1,1）（GM（1,1））模型进行分析,并提取周期项位移,建立一阶自回归（A R）模型对周期项进行预测。将两者预测结果相加,即可得到古滑坡预测总位移。结果表明：预测与实测值误差较小,模型精度较高,能够较好的描述尖山营古滑坡的位移特征,可用于古滑坡后续的监测预报预警中,具有一定的理论研究与工程价值。     

基于小波分析的住宅房产均价预测

将小波方法引入到深圳宝安住宅房产均价的长期趋势的预测中。利用小波多尺度分析的功能，将非平稳时间序列的住宅房产均价分解成主要趋势和细节两大部分。对主要趋势用二次多项式进行拟合预测，对细节部分用余弦逼近和AR（2）模型进行拟合预测，最后把主要趋势的预测值和细节部分的预测值相加，得到原始时间序列的预测值。并用所建立的模型对深圳宝安2006年每个月的住宅房产均价进行了外推预测。由于这种方法能够准确的提取出房产均价的长期趋势用于研究预测，因此用这种方法预测的平均相对误差比直接用二次多项式进行拟合预测的平均相对误差小0．7％。用所建立的模型外推预测出的2006年1、2、3月份的数值与实际数值相比较，平均相对误差为0．033。误差是比较小的．反映了小波预测方法的有效性。     

旅游客流量预测的模糊时间序列模型--以黄山风景区为例

以黄山风景区1979－2004年的年度旅游人数数据为训练集,运用模糊聚类算法客观地分割论域,然后建立了一种模糊时间序列的加权模型以充分利用观测样本的初始信息。通过对传统的模糊时间序列模型与基于模糊聚类算法的加权模糊时间序列模型两种预测结果均方误差的比较,可见基于模糊聚类算法的加权模糊时间序列模型不但具有更高的预测精度而且也具有更好的稳定性。     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。