期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于ARIMA模型的邮政业务量预测研究
被引量：
2
Postal Business Volume Forecasting Based on ARIMA Model
下载PDF
职称材料
导出
摘要
简述了ARIMA模型理论及其建模步骤,基于ARIMA模型对邮政业务量进行了预测实证分析,为寄递业务的经营决策提供合理依据。
作者
王纪鹏
黎燕
张阳
李怀亮
WANG Jipeng;LI Yan;ZHANG Yang
机构地区
中国邮政集团有限公司甘肃省信息技术中心
出处
《邮政研究》
2023年第2期36-40,共5页
Studies on Posts
关键词
时间序列
ARIMA模型
邮政业务量
预测
分类号
F61 [经济管理—产业经济]
引文网络
相关文献
节点文献
二级参考文献
38
参考文献
6
共引文献
16
同被引文献
22
引证文献
2
二级引证文献
0
参考文献
6
1
曹慧,秦江涛.
基于ARIMA-BP组合模型的货运量预测研究[J]
.软件导刊,2022,21(2):32-36.
被引量：4
2
李黎莎.
基于ARIMA模型的民航旅客运输量预测[J]
.科学技术创新,2022(4):9-12.
被引量：5
3
刘敏,侯俊华.
基于GS-ARIMA模型的原油股票成交量预测研究[J]
.对外经贸,2021(12):38-40.
被引量：2
4
王铮.
基于ARIMA模型对广东省GDP的预测分析[J]
.现代商业,2021(36):69-71.
被引量：3
5
许江雯,杨航.
基于X11过程的陕西省月度快递量预测分析[J]
.轻工科技,2021(11):102-104.
被引量：3
6
王惠婷,李蒙.
组合预测模型在我国快递量预测中的应用[J]
.科学技术创新,2017(22):73-74.
被引量：5
二级参考文献
38
1
张国政,申君歌.
基于多周期时间序列的灰色预测模型及其应用[J]
.统计与决策,2021(9):14-19.
被引量：9
2
李鹏飞,张瑞.
基于TSCI变动的RBF-SVR月度快递业务量分析及预测[J]
.统计与决策,2021(5):184-188.
被引量：5
3
徐冬冬,蒋志翔.
基于深度优化残差卷积神经网络的端到端语音识别[J]
.计算机应用研究,2020,37(S02):139-141.
被引量：6
4
薄邦元.
季节调整X—11方法简介[J]
.预测,1988,7(6):11-15.
被引量：2
5
陈华友,盛昭瀚.
一类基于IOWGA算子的组合预测新方法[J]
.管理工程学报,2005,19(4):36-39.
被引量：74
6
孙奕,覃世龙,严春香,杨飞,周有尚.
X-11季节调整方法在医院时间序列分析中的应用[J]
.中国卫生统计,2007,24(1):71-73.
被引量：13
7
童明荣,薛恒新,林琳.
基于季节ARIMA模型的公路交通量预测[J]
.公路交通科技,2008,25(1):124-128.
被引量：27
8
龚国勇.
ARIMA模型在深圳GDP预测中的应用[J]
.数学的实践与认识,2008,38(4):53-57.
被引量：97
9
王胜本,徐晓肆,陈瑛.
中国股票市场相关性分析[J]
.山东科技大学学报（自然科学版）,2008,27(6):96-101.
被引量：7
10
华鹏,赵学民.
ARIMA模型在广东省GDP预测中的应用[J]
.统计与决策,2010,26(12):166-167.
被引量：47
共引文献
16
1
李鹏飞,张瑞.
基于TSCI变动的RBF-SVR月度快递业务量分析及预测[J]
.统计与决策,2021(5):184-188.
被引量：5
2
李贞贞.
基于ARIMA简单季节模型的河南省快递业务量预测[J]
.价值工程,2019,38(17):271-273.
被引量：5
3
王芳,叶耀军.
基于GM(1,1)季节指数模型的快递业务量预测[J]
.浙江科技学院学报,2021,33(6):504-508.
被引量：1
4
王宗强,何宁,王强,张劲.
民航信息领域传统大型主机操作系统的技术创新——以中国航信为例[J]
.信息记录材料,2022,23(8):130-132.
5
韩益东,尹洪军,徐国涵,桑昌.
基于机器学习的高含水期油井产量预测方法[J]
.河南科学,2022,40(10):1569-1575.
被引量：4
6
赵鑫,毋涛,宋田,甘霖.
基于组合模型的服装定制面辅料预测方法[J]
.计算机技术与发展,2023,33(1):214-220.
7
李振亮,乐昕雨.
基于ARIMA模型的北京市GDP分析与预测[J]
.中小企业管理与科技,2023(1):153-155.
被引量：3
8
安致远,何恩球.
基于SARIMA时间序列模型的区域快递需求预测——以江苏省为例[J]
.物流科技,2022,45(20):63-66.
被引量：4
9
石晴晴,张润锋,张连洪,兰世泉.
基于强化学习算法的水下滑翔机路径跟踪研究[J]
.中国机械工程,2023,34(9):1100-1110.
被引量：1
10
丁美荣,张迎春.
融合序列分解与Prophet模型的时序预测[J]
.计算机系统应用,2023,32(11):294-301.
被引量：1
同被引文献
22
1
喻达磊,李德旺,徐达明,何娜.
葡萄酒月度价格指标的季节ARIMA时间序列分析[J]
.云南民族大学学报（自然科学版）,2008,17(1):47-50.
被引量：3
2
汪淼,郑舒婷.
基于ARIMA模型的中国消费者价格指数时间序列分析[J]
.辽宁工程技术大学学报（自然科学版）,2010,29(A01):130-132.
被引量：16
3
何延治.
基于时间序列分析的吉林省粮食产量预测模型[J]
.江苏农业科学,2014,42(10):478-479.
被引量：14
4
孟强,李海晨.
基于ARIMA模型的东三省粮食产量时间序列分析[J]
.黑龙江科技信息,2015(21):128-129.
被引量：4
5
赵元元,刘明,智燕,郭雅峰.
锅炉侧汽水管道连通管热膨胀位移故障原因分析与处理[J]
.内蒙古电力技术,2016,34(3):74-77.
被引量：7
6
徐鸿,邓博,蒋东方,郭鹏,倪永中.
基于灰色系统的过热器管壁温度预测模型[J]
.中国机械工程,2017,28(22):2662-2668.
被引量：5
7
邱燕飞,李瑞宇,蔡琼珂,宋长志,王天龙.
电厂锅炉管道堵阀裂纹缺陷的数值模拟仿真研究[J]
.冶金能源,2019,38(5):20-23.
被引量：3
8
庞碧玉,冯爱芬,曹振雪,胡启帆,王琰.
中国粮食供需研究及预测——以小麦为例[J]
.河南科技学院学报（自然科学版）,2020,48(3):15-21.
被引量：8
9
李明书,刘仁云,胡姝祺,闫明水.
基于时间序列分析的长春市物流研究及预测[J]
.科技创新与应用,2020(32):34-36.
被引量：10
10
王毅蕾,梁龙跃,蔡铉烨.
基于人工神经网络的贵州省用电量预测[J]
.生产力研究,2020(12):96-98.
被引量：6
引证文献
2
1
陈鸿鑫,马天霆,周阳,简彦辰,高犇,戴明露.
基于CNN-GAN数据增强网络的电厂锅炉管道温度压力及健康状态预测[J]
.电子器件,2023,46(6):1593-1600.
2
娄新新,冯爱芬,荣博.
基于ARIMA模型的农产品销售问题研究[J]
.建模与仿真,2023,12(4):3918-3929.
1
李慧,张璐.
寄递业务外包全流程管理提升策略研究[J]
.邮政研究,2023,39(2):46-52.
被引量：1
2
王玉娟.
G邮政企业寄递业务降本增效强化对策研究[J]
.老字号品牌营销,2023(6):159-161.
被引量：1
3
吴寒松.
邮政寄递业务在经济发达地区城市末端网点运营变革的探讨[J]
.邮政研究,2023,39(1):55-58.
被引量：1
4
任璐璐.
飞机系统可靠性建模研究[J]
.中文科技期刊数据库（引文版）工程技术,2020(12):279-280.
5
刘芳,张琳超.
基于“快递+社交”理念的快递包裹App建设研究[J]
.邮政研究,2023,39(1):37-42.
6
林世真.
对提升小学高年级学生习作水平的多元评价[J]
.中国科技经济新闻数据库 教育,2022(1):146-148.
7
陆日秋.
丙型肝炎临床检验技术现状及研究进展[J]
.中文科技期刊数据库（全文版）医药卫生,2021(12):187-189.
8
李航,姚远,方鹏,李佳.
云南邮政寄递数字化转型的探索与实践[J]
.邮政研究,2023,39(2):13-17.
9
李烁.
建筑工程投资决策模型构建路径及应用成效研究[J]
.企业改革与管理,2023(1):6-8.
10
陈馨,周礼平.
外伤性颈椎脊髓损伤临床MRI表现及预后分析[J]
.中文科技期刊数据库（引文版）医药卫生,2023(3):22-24.
邮政研究
2023年 第2期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部
