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。     

季节ARIMA模型在我国肺结核发病率预测中的应用

目的探讨应用季节ARIMA模型对我国肺结核发病率进行预测的可行性.方法对我国2005年1月-2010年12月肺结核逐月发病率建立季节ARIMA模型,并对预测效果进行评价.结果 ARIMA（3,1,0）×（0,1,1）12模型很好地拟合了既往数据,对2011年1月-9月发病率的预测值符合实际发病率变动趋势.结论季节ARIMA模型能很好地模拟我国肺结核发病率的变动趋势,将其应用于肺结核发病率预测是可行的.     

基于ARIMA的GDP预测模型的构建及应用

为了准确预测山东省“十二五”期间GDP增长趋势,本文通过分析山东省1978～2012年GDP数据,构建了基于ARIMA模型的GDP预测模型.结果表明,ARIMA(2,2,2)模型能够较好地拟合山东省1978～2012年间GDP变化,在此基础上对山东省2013～2015年GDP进行了预测,结果依次为59 613.02,69 204.16,80 328.56亿兀.     

基于ARIMA模型的人民币汇率预测与分析

对2015年8月11日汇改之后的人民币兑美元汇率进行分析,建立ARIMA(14,1,0)模型,残差检验证明该模型是合理的。利用模型ARIMA(14,1,0)对2016年3月10日至2016年3月23日的人民币汇率进行预测,预测结果基本接近实际值,相对误差控制在0.5%以内,并且前5天的平均误差为0.2%。预测结果再次表明,ARIMA(14,1,0)模型完全适用于美元/人民币汇率的建模,特别是对短期范围内汇率的预测是切实可行的。     

武汉某高校2004-2010年新生肺结核患病情况调查分析

目的:了解高校新生肺结核的患病状况及其影响因素,为高校的结核病防治工作提供科学依据。方法:回顾性地对武汉某高校2004-2010年新生肺结核患病状况进行流行病学调查和分析。结果:2004-2010年武汉某高校新生检出活动性肺结核病例63例,年检出率分别为231.27/10万、309.77/10万、366.88/10万、239.38/10万、263.00/10万、106.16/10万、169.41/10万。男生发病40例,女生发病23例,男女生发病性别比为1∶0.58。结论:武汉某高校入学新生的肺结核检出率较高,高校应高度重视新生入学体检中的结核病专项检查。对查出的结核病患者应规范治疗和管理,同时应采取综合措施防止结核病在校内传播流行。     

基于ARIMA建模的重庆市第三产业产值预测

随着经济的快速发展,第三产业的产值对经济的促进作用越发显得举足轻重,采取自回归求积移动平均法(ARIMA)模型在重庆市2013统计年鉴分析的基础上对第三产业的总值进行了ARIMA建模并进行预测,结果显示,ARIMA(1,2,2)模型对重庆第三产业产值提供了较为准确的预测结果,有较好的拟合程度,可用于未来的预测.     

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。     

河南省旅游外汇收入的ARIMA预测模型

在分析1982年～2007年河南省旅游外汇收入额年度数据的基础上,建立了旅游外汇收入额的ARIMA(p,d,q)模型.实证结果表明:ARIMA(1,1,1)模型提供了较准确的预测效果,可以用于未来的短期预测.该模型还可为制定河南省入境旅游的政策和规划提供可靠的依据.     

LSTM和Prophet模型在肺结核发病数预测中的应用

为预测肺结核发病数,建立了两种能够较为精确描述以及预测肺结核发病数的模型.根据中国疾控中心提供的2007年7月至2019年6月肺结核发病数的数据,运用LSTM模型和Prophet模型对中国肺结核发病数进行预测,并将该两种模型的预测性能与ARIMA、GM(1,1)模型进行对比.结果表明,Prophet模型预测性能最佳,其MAE值与RMSE值分别为5 124.33、5 905.32,LSTM模型预测性能次之,ARIMA模型预测性能最差.     

SARIMA模型的建模及其信贷预测分析

对自回归单整移动平均季节模型(SARIMA模型)的原理,以及建模思想进行诠释.指出在经济数据中普通存在的季节性问题,并在ARIMA模型基础上提出SARIMA模型.通过对中国人民银行的月度信贷总量资料的建模及预测分析,得到良好的效果.SARIMA(1,1,0)(1,1,1)12模型这一短期预测模型及其短期预测的结果,可为中国人民银行进行信贷政策的制订提供依据.     

扶绥县1974年～1994年肝癌分布特征及时间趋势分析

21年间,全县共发生肝癌3906例,死亡3869例。肝癌年均发病率51.86/10万(标化率53.87/10万),年均死亡率51.37/10万(标化率53.46/10万)。80年代以后,该地区肝癌发病率呈下降趋势,差异有极显著意义。1994年与1974年相比,肝癌发病率下降了24.94%。按性别分析,女性肝癌发病率下降有极显著意义,而男性下降趋势不显著。按年龄分析,1974年~1983年和1985年~1994年前后两个10年相比,在后10年中,15岁~30岁年龄组肝癌发病率下降尤为突出,肝癌发病高峰年龄有所后移。     

基于时间序列的娘子关泉降水及径流变化分析

为了研究及预测娘子关泉域降水及径流的变化趋势,采用时间序列分析方法,通过SPSS软件建立ARIMA模型对降水和径流序列进行分析,并预测后续11年的变化趋势,得出预测值的95%置信区间.结果表明,ARIMA(6,1,0)模型是年降水序列的有效拟合模型,ARIMA(10,2,0)模型是年径流序列的有效拟合模型.相比娘子关泉域的年降水序列,年径流序列的下降趋势更为显著,且从2017年开始,年径流序列预测值的95%置信区间开始包含负值,说明可能受人为因素的影响,需要引起人们的重视.     

基于ARIMA-EGARCH模型的交通事故问题的研究

为了更好地掌握交通事故的现状和发展趋势,减少交通事故带来的直接损失和人员伤亡,以1990-2017年的全国交通事故发生起数为研究对象,建立ARIMA(0,1,4)模型进行分析和预测.利用方差齐性检验得残差序列方差非齐性,针对该模型的异方差问题,建立了ARIMA-EGARCH(1,1)模型.最后,以2017年的数据做为考核样本来检验模型的精度,并对2018-2019年的数据进行预测.通过与ARIMA(0,1,4)模型的拟合效果对比可以看出:ARIMA-EGARCH模型的预测结果比ARIMA模型精度更高,误差更小,可以对未来交通事故数据进行更好的预测.     

一种基于经验模态分解的时间序列预测方法

针对来源于实际问题的时间序列非线性、非平稳、多尺度复合的特点建立了一种基于经验模态分解(EMD)的ARIMA时间序列预测模型,即EMD-ARIMA模型.首先,借助经验模态分解将时间序列分解为多个不同时间尺度的内在模函数和一个趋势项,并确定每个内在模函数的季节性趋势;其次,对每个内在模函数使用季节性ARIMA模型进行预测,对趋势项使用趋势移动平均模型进行预测;最后,将所有内在模函数和趋势项的预测结果进行复合得到原时间序列的预测结果.数值实验结果表明,EMD-ARIMA方法能够揭示真实时间序列内在的多尺度复合特征和季节性变化规律;与经典的ARIMA模型和人工神经网络(ANN)模型相比,EMD-ARIMA模型明显提高了预测精度,因而是一种可靠的非线性、非平稳时间序列预测方法.     

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。     

基于时间序列疏系数模型的太阳辐射年际变化趋势预测

利用1961—2016年山东省济南市太阳年总辐射量观测数据,通过模型识别和统计检验,对比分析时间序列模型AR(5)和ARIMA((1,2,4),1,0)的拟合结果。残差检验结果表明,疏系数模型ARIMA ((1,2,4),1,0)可用于预测地表太阳年总辐射量,预测结果显示2017—2025年济南市地表太阳辐射的年际变化整体呈增长趋势。对比多元线性回归模型结果,时间序列疏系数模型误差较小,预测准确度相对较高。     

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.     

基于组合预测模型对中国经济外贸依存度的预测

以"中国制造2025"战略为背景,研究中国经济增长对外贸的依赖程度.选取1978—2018年进出口贸易量和GDP为基础数据,分别运用NARX(nonlinear autoregressive with exogenous inputs)动态神经网络和ARIMA(autoregressive integrated moving average model)模型作为单项预测,建立组合预测模型,预测了2019—2025年中国经济对外贸易依存度,并对其进行测度和分析.研究结果表明:组合预测模型比两种单项预测模型效果更好,预测精度更高;未来几年中国的对外贸易依存度指数值呈下降趋势,预计2025年将下降到0.2279,同比2019年下降幅度高达26.83％.     

基于Log-ARIMA的道路运行车速预测模型

道路运行车速预测是交通预测的难点,运行车速随交通条件的变化而变化,为提高道路运行车速预测精度,构建了自回归移动平均(ARIMA)时间序列模型,并结合实例对重庆市江北区红黄路早高峰小客车平均运行车速进行了预测。结果表明:相较于传统的线性回归、多项式拟合、指数拟合和模糊线性回归预测模型,ARIMA预测模型的平均绝对误差分别下降了19.1%,50%,6.5%和3.7%;另外,将原始序列取自然对数后再建立ARIMA的Log-ARIMA模型可进一步提高预测精度,预测绝对误差为5.21,与普通ARIMA模型比较,平均相对误差下降了29.9%。     

混合时间序列模型在经济增长预测中的应用

把趋势外推模型和ARIMA模型结合起来可构建混合时间序列这一新的预测模型.利用该模型,并以1978~2000年我国GDP总量数据为依据,通过Eviews5.0软件对模型进行估计,并根据建立的新模型对2001~2004年GDP总量作预测效果检验.结果表明,通过混合时间序列模型实施预测,误差相对较小,效果更好.