基于时间序列季节调整的家用空调出口分析

家用空调出口量的数据序列中存在明显的季节效应,这会影响对家用空调出口整体趋势的分析及判断．针对这个问题,文章基于X—11模型对家用空调出口量的数据序列进行季节调整,消除其中的偶然因素,并利用SAS软件编程进行了实证分析．结果表明：2002年开始,我国空调出口量有非常显著的线性递增趋势,2008年下半年出现了明显的下滑,2009年初开始略有回升．     

基于SAS的非平稳时间序列分析及实证研究

采用季节指数趋势法,对具有季节变动的非平稳时间序列(以某电脑公司的实际季度销售记录为例),利用统计分析系统SAS进行分析,并对该公司2009年的销售情况进行了预测.与公司2009年度前三个季度的实际销售数据进行对比,拟合效果令人满意,证明该方法实用有效.     

基于进化算子的季节时间序列模型

目的对传统季节时间序列模型进行分析研究,提出一种新的季节时间序列模型。方法引入遗传与免疫算子,并结合电力产量序列和航空序列模型进行仿真试验。结果建立了一个新的时间序列模型。结论仿真试验结果证明了基于进化算子的季节时间序列模型是一种操作简便、易于实现的有效模型。     

一类时变时间序列模型的参数估计研究

根据对一类时变时间序列模型结构特点的研究,提出了一种时变ＡＲ模型的递推参数估计算法。其原理是将时变参数的估计转化为对状态方程的状态估计,采用卡尔曼滤波推导出参数估计递推公式,并研究了其渐近稳定的充分条件。     

基于时间序列模型的商业企业销售量预测方法研究

预测是企业管理的一个重要职能,在如今激烈的商业竞争下,如何根据现有的数据预测未来并制定适宜的策略是企业成败的关键。本文在研究商业企业销售量时间序列的基础上,结合季节变动分析方法,建立商业企业年销售量预测模型,并在此基础上对商业企业实际销售预测给出的指导性建议。     

基于缺失数据的入境旅游人数时间序列分析

本文将时间序列分析方法用于1989年至2000年中国的外国人入境旅游人数的数据处理,结合Eiews软件给出了用此法进行外国人入境旅游人数的数据处理时模型的识别、定阶、参数的估计以及模型的检验和预报方法。另外,基于1991全年数据的缺失,本文采用了回归法和潜周期法对1991的数据进行了补充。     

基于最速下降的混沌时间序列参数估计和滤波

提出了从被加性高斯白噪声污染的混沌时间序列中同时估计混沌系统参数和滤除序列噪声的新方法．并假定产生非线性时间序列的模型已知,但相应的参数未知．这种新方法把对混沌时间序列的参数估计和滤波看作是一种最小化过程,并利用了最速梯度下降方法解决．数值模拟实验表明,新方法要优于现有的方法,是估计混沌系统参数和滤波的一种有效方法．     

基于时间序列模型的预估控制算法

提出一种具有反馈修正的，基于时间序列模型ＣＡＲＭＡ的单值预估控制算法，对这种算法下闭环预估控制系统结构和稳定性进行了分析，对各种预估控制算法的鲁棒性进行了仿真对比。反馈修正的引入，使闭环预估控制系统的鲁棒性有很大的改善，使这种算法更适合于工业应用。     

基于ARIMA模型算法的频谱时间序列预测分析

结合频谱时同序列的特点,选择ARIMA模型作为预测模型,通过ARIMA模型算法的流程分析,初步论证预测模型及预测精度的可靠性.     

Seasonal Time Series Analysis Based on Genetic Algorithm

Pattern discovery from the seasonal time-series is of importance. Traditionally, most of the algorithms of pattern discovery in time series are similar. A novel mode of time series is proposed which integrates the Genetic Algorithm （GA） for the actual problem. The experiments on the electric power yield sequence models show that this algorithm is practicable and effective.     

基于时间序列分析的寿险需求模型分析

分别运用最小二乘法、时间序列分析对寿险市场进行了实证研究。与已有的研究相比,通过建立多元线性模型和改进的回归模型,说明国内生产总值的增长是寿险需求增长的根本原因,教育水平的提高和赡养(抚养)率对寿险需求影响显著;同时利用单位根检验指出由于缴纳保费存在分期缴纳的现象,导致保费收入有时间滞后效应。     

空中交通流时间序列的复杂度分析

空中交通系统是复杂的非线性系统,时间序列是研究空中交通系统的有效措施。为了定量分析空中交通的复杂性,首先阐述Lempel-Ziv算法复杂度及其修正复杂度;然后采集三亚01号、02号、04号扇区连续28 d的实际运行数据,构建了空中交通流时间序列;计算了3个扇区交通流时间序列的算法复杂度,并对相关参数的影响进行了分析。计算结果表明,修正的算法复杂度适用于长度较短的时间序列,可用于量化测度空中交通流复杂性;符号化方法、序列长度、时间尺度等对算法复杂度有较大影响。     

带钢张力ARMA时序模型的时域特性分析

在文献［１］的基础上，运用随机过程理论，进一步讨论了带钢张力ＡＲＭＡ时序模型的三种主要时域特性：描述系统动态特性的Ｇｒｅｅｎ函数｛Ｇｊ｝，描述随机数字序列统计特性的自协方差函数｛Ｒｋ｝和偏相关函数｛φｋｋ｝，从不同的角度揭示了ＡＲＭＡ时序模型所表征的带钢张力系统的动态特性，为带钢张力ＡＲＭＡ时序模型的识别与参数估计奠定了基础     

基于时间序列的市场需求预测模型研究

在研究时间序列预测模型的基础上,提出了组合预测模型,并对模型参数进行了优化处理.用于预算未来某时期内市场供求趋势,从而为企业的决策提供依据.     

桂林地区气温与降水量的时间序列预测模型

根据桂林地区2001～2010年各月平均气温和1987～2010年每年6月份降水量的实测数据,利用时间序列的季节指数法和线性外推法分别建立气温预测模型和降水量预测模型,再利用模型对桂林市2011年各月的气温和2011年9、11、12月的降水进行预测,得到比较理想的预测效果.     

Multi-Dimensional Traffic Flow Time Series Analysis with Self-Organizing Maps

The two important features of self-organizing maps （SOM）, topological preservation and easy visualization, give it great potential for analyzing multi-dimensional time series, specifically traffic flow time series in an urban traffic network. This paper investigates the application of SOM in the representation and prediction of multi-dimensional traffic time series. Ffrst, SOMs are applied to cluster the time series and to project each multi-dimensional vector onto a two-dimensional SOM plane while preserving the topological relationships of the original data. Then, the easy visualization of the SOMs is utilized and several exploratory methods are used to investigate the physical meaning of the clusters as well as how the traffic flow vectors evolve with time. Finally, the k-nearest neighbor （kNN） algorithm is applied to the clustering result to perform short-term predictions of the traffic flow vectors. Analysis of real world traffic data shows the effec- tiveness of these methods for traffic flow predictions, for they can capture the nonlinear information of traffic flows data and predict traffic flows on multiple links simultaneously.     

关于股票价格的二阶模糊时间序列

由于股票价格的时间序列具有不确定性,股市的真实模型不容易建立,而模糊时间序列在解决模糊性数据和不确定性数据方面具有较大优势;因此,本文首先将数据进行预处理并改进论域划分的方法,然后利用三角隶属度函数进行数据的模糊化处理,再利用模糊化后的数据建立三层BP神经网络,最后,应用广义的逆模糊数公式将预测模糊集进行逆模糊化,从而得到预测结果.应用本文方法对印度国家银行(SBI)股票价格和Alabama 大学的入学人数进行预测,预测结果精度较高.