组合预测模型在中国GDP预测中的应用

在ARIMA、混合时间序列和GM(1,1)模型基础上,利用中国经济发展数据建立一个组合预测模型,并把它应用于我国GDP的预测。所得结果误差优于三个模型的分别预测,表明组合预测模型在时间序列数据的预测中更有优势。     

指数平滑模型在山西省GDP预测中的应用

利用二次指数平滑模型,选取合适的平滑系数,对山西省GDP进行了预测,得到近期山西省年度GDP数据,并且得出此模型在近期预测中的效果较好。     

组合模型在深圳港货物吞吐量预测中的应用

根据深圳港货物吞吐量的历史数据,分别利用时间序列的三次指数平滑法、GM(1,1)灰色预测模型法以及组合预测法对深圳港货物吞吐量进行探讨,并对未来几年深圳港货物吞吐量进行预测.结果表明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差的绝对值,都小于单独用三次指数平滑法或GM(1,1)灰色预测模型法时的平均绝对误差、平均相对误差的绝对值,可以降低误差,提高预测精度.     

Box-Jenkins法在广西GDP预测中的应用

利用Box-Jenkins方法对1950至2004年广西国内生产总值进行了分析,建立了ARIMA模型,检验结果表明该模型有较好的预测效果.并把广西全社会固定资产投资额作为回归项引入到ARIMA模型中,由此建立了ARIMAX模型,从而进一步提高了模型的预测效果.     

ARIMA模型与指数平滑法对山东省GDP的实证分析

文借助Eviews6.0和Excel软件,建立了ARIMA(1,2,1)预测模型和三次指数平滑预测模型,对山东省1978年到2010年国内生产总值(GDP)数据进行分析,并对2011年到2013年的GDP进行预测。结果表明,ARIMA模型预测结果与真实值相比平均相对误差小,结果更为精确,基本符合事实。因此,选择ARIMA(1,2,1)模型作为最优模型为有关部门制定经济发展战略、经济发展规划提供重要依据。     

组合模型在港口集装箱吞吐量预测中的应用

根据某港的集装箱吞吐量的历史数据,分别利用时间序列的三次指数平滑法、改进的GM(1,1)残差模型以及组合预测方法对某港的集装箱吞吐量进行了探讨,并对未来几年某港集装箱吞吐量进行了预测.结果证明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差绝对值以及误差的标准差分别为4.5208,0.0343,49.5161,都小于单独用三次指数平滑法或改进的GM(1,1)残差模型时的平均绝对误差、平均相对误差绝对值以及误差的标准差,达到最优的精度等级.     

ARIMA与指数平滑在区域高等教育规模预测中的比较研究

文章利用在校学生数作为区域高等教育规模指标,建立了基于四川省高等教育在校学生数据序列的ARIMA和指数平滑预测模型,并进行了比较,得出最优模型为ARIMA(2,1,5)模型;用此模型对四川省2013-2015年高等教育在校学生数做出了预测。结果表明,四川省高等教育在校学生数在近三年内仍会增长,但增长速度趋于缓慢,到2015年末,四川省高等教育在校学生数约为1163100人。     

湖北省人均 GDP 的 ARIMA 模型及预测

介绍求和自回归移动平均模型ARIMA（p,d,q）的模型拟合方法,利用SAS统计软件实现模型的拟合。采用时间序列分析方法,对湖北省1978～2013年人均GDP的数据进行分析。通过对数据平稳性检验、模型参数检验、白噪声检验等分析,建立了ARIMA（1,1,0）时间序列模型,并对未来十年的湖北省人均GDP数据进行预报。     

基于干预分析模型下的新疆GDP预测研究

通过对新疆GDP序列做对数变换,分析了对数变换后的新疆GDP序列的自相关系数和偏相关系数,合理地建立了ARIMA模型,利用干预分析方法对亚洲金融危机所引起的误差进行了修正;结果显示,通过干预影响序列建立起的干预模型能够定量的表示出亚洲金融危机对新疆GDP的影响。     

基于最优加权法的改进交通流组合预测研究

分析了交通流由线性和非线性部分组成,使用ARIMA模型、指数平滑模型和灰色模型对线性部分进行预测,并且以预测误差平方和最小为准则确定这3个模型预测结果的最优加权系数,得到这3个模型的最优组合,最后对非线性残差部分使用支持向量机模型进行预测.通过实例分析发现,组合预测模型相比单个预测方法具有更高的精度,能够较准确地对交通流进行预测.     

组合预测模型在湖北省粮食灾害预测中的应用

本文尝试将组合预测法应用于湖北省粮食受灾情况的预测,以提高预测的精度。通过组合预测的线性模型,将回归模型,二次指数平滑模型和Theil回归模型分别加以最优的权数进行组合。最终得到最优化的组合预测的结果。     

合作对策方法在确定组合预测权系数中的应用

从对策论的观点出发，将组合预测中各单项预测模型视为合作对策的局中人、组合观测的误差平方和视为合作的结果，再按Shapley值法在各单项预测模型中进行分配，从而获得组合预测权系数确定的一种方法。该方法具有概念清楚、涵义明确的特点，结果令人满意。     

基于残差修正的GM(1,1)模型在山西省人均GDP预测中的应用

以2000—2014年山西省人均GDP数据为基础,采用GM(1,1)对山西省人均GDP进行模拟预测,并且用残差修正的GM(1,1)模型进行改进。结果表明,修正后的模型模拟平均误差由8.36%降低到4.95%,更加科学合理。     

中国人均GDP的ARIMA模型分析与预测

人均GDP是反映一个国家综合实力的重要经济指标,由于经济波动的影响和随机因素的干扰,一般单变量模型模拟的效果较差,利用ARIMA(1,1,2)模型建模,可用过去人均GDP的值和过去误差来预测未来人均GDP的走势,有较强的预测能力,从而为经济政策的调整和制定提供参考.     

基于ARIMA模型的我国GDP短期预测

国内生产总值(Gross Domestic Product,简称GDP)常被公认为衡量国家经济状况的最佳指标,因此对GDP的预测越来越受到政府和公众的关注.由于影响GDP的因素有很多,而且这些因素间又常常存在多重共线性,所以准确找出影响GDP的重要因素并进行建模比较困难,而且经济数据常常是自相关非平稳的,因此本文采用ARIMA模型来拟合1991年到2010年的GDP数据并预测GDP.结果表明ARIMA(1,1,1）能较好拟合GDP数据,预测表明我国经济发展势头良好.     

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。     

组合预测在分析人口发展趋势中的应用

本文根据山东省1950年～1992年的人口发展状况,运用组合预测模型对其进行了分析,并绘出了其未来十八年的预测,效果较为理想.     

灰色模型在地区 GDP 预测中的应用

采用灰色系统法,建立灰色经济预测模型,利用最小二乘法确定模型中的参数,并用建立的模型对山东省潍坊市2013-2015年的GDP进行预测,分别为2013年42．79 h亿元,2014年48．66 h亿元,2015年55．32 h亿元．分别比上一年增长20．8％,13．7％和13．69％．对误差的计算显示模型的相对残差不超过3．57％,模型精确度较高．     

最优加权组合模型在预测电话社会拥有量中的应用

本文讨论了最优加权组合模型,并将其用于对电话社会拥有量的预测,在文〔1〕基础上,构造了最优加权模型,并对延吉市电话社会拥有量的发展趋势作出了预测。