基于ARMA模型的农产品供应链成本优化研究

近年来,在乡村振兴战略背景下,农产品流通逐渐呈现出“农村电商”新业态。农产品供应链作为连接农户、电商平台和消费者的桥梁,在农村电商发展过程中扮演着重要角色。随着农村电商的快速发展,农户生产积极性提高,农产品产量显著增加,但与此同时农产品供应链成本结构也发生了显著变化。为优化农产品供应链成本,提高农户生产积极性,本文以农村电商模式下农产品供应链为研究对象,以ARMA模型为基础,通过构建农产品供应链成本结构方程模型,发现当前农产品供应链成本结构具有非对称性和非线性的特征。文章首先从农户生产积极性和农村电商发展两个方面,分析了农村电商发展对农产品供应链成本结构的影响;其次通过引入ARMA模型对影响因素进行分析,发现当前农产品供应链成本结构存在非对称性特征,并从农户生产积极性、农村电商发展水平和农村物流体系等方面提出了优化路径;最后,基于优化路径提出了政策建议。

基于时间序列ARMA模型的拱桥施工变形预测

为了促进时间序列分析方法在桥梁施工监测中的应用,利用时间序列ARMA模型对某特大桥主桥施工监控过程中主拱肋控制点变形数据进行分析,预测了后续主拱肋施工阶段的变形情况,并与实测数据进行比较。结果表明,时间序列ARMA模型在桥梁施工中预测拱肋变形具有较高的精度和可靠性,为桥梁施工的控制和监测提供了有效的手段。该研究成果说明时间序列分析方法可大大地改善参数的估计精度,提高模型的预测效果。

基于ARMA模型的城乡居民收入差距预测分析--以安徽省为例

ARMA模型是当前普遍应用的时间序列建模方法之一。选取安徽省1980—2020年的城乡居民收入差距数据为样本,借助EVIEWS9.0软件,针对绝对收入差距与相对收入差距先后构建ARIMA((1,4),1,0)与ARMA(1,3)模型,两个模型的样本内静态预测结果均较好。分别利用所建立的两个模型,样本外动态预测2021—2023年安徽省城乡居民绝对收入差距依次为23756.7元、24846.8元与26094.6元,相对收入差距依次为2.563078元、2.563116元与2.563147元,以期为相关部门制定政策提供数据支持。

基于ARMA模型的海洋磁力测量数据小波去噪方法研究

海洋磁力测量是指通过安置在海底质子旋进磁力仪来直接测量地磁场,这样在海洋表面和海底同时测量,就可以得到地磁场的垂直梯度。但处理海洋磁力测量数据时不仅需要消耗大量时间,并且分块处理拼图还会导致精确度较低。为了实现对海洋地质层参数的准确测量,提出基于ARMA模型的海洋磁力测量数据小波去噪方法。构建海洋磁力测量数据的小波降噪和滤波检测模型,通过对海洋磁力测量数据的类型化分类识别,进行多波束的信息分割,实现对海洋磁力测量数据的自动滤波降噪,使得输出数据更清晰、自然。测试结果表明,使用ARMA模型后,输出数据的信噪比较之前提升了33.6632 dB,海洋磁力测量数据去噪效果好。通过ARMA模型对海洋磁力数据进行去噪,有助于达到更精确的海洋磁力测量数据,为研究地磁场及其变化、海洋地质构造、矿产预测和国防建设提供了重要支持。

基于ARMA模型的隧道变形预测及参数估计分析

以北京市海淀区某地铁站一体化棚户区改造项目为例,运用ARMA模型对高层建筑盖挖逆作法施工过程中邻近既有地铁隧道变形进行预测。以既有地铁隧道沉降实时监测数据为原始数据集,对原始数据集进行适当插补处理后,通过极大似然估计法对模型进行参数估计,给出了模型关键参数,构建了合理的预测模型。将模型预测结果与实测数据进行对比,显示预测结果与实测数据变化趋势高度吻合,充分验证了预测模型的可行性、有效性与稳定性。

中国物流业景气指数预测——基于ARMA模型

中国物流业景气指数(LPI)是2013年3月5日由中国物流信息中心和中国物流与采购联合会发布的一项指数,它的调查采用PPS(容量比例概率抽样法)抽样方法,按照各个物流行业对物流业主营业务收入的贡献度,确定这些行业各自的样本数。通过对新订单、业务总量、设备利用率、库存周转次数、从业人员这五项指数进行加权,合成一个合成指数,再将其与新订单、业务总量、设备利用率、库存周转次数、从业人员等12个分项指数一起构成中国物流业景气指数。LPI从总体上反映了我国物流业经济发展的变化情况,它以50%为分界点来区分经济的强弱,物流业经济在LPI> 50%时扩张,在LPI <50%时收缩。

基于ARMA模型的湖南基层卫生技术人才规模需求预测

目的探究湖南省基层卫生技术专业人才总体规模需求并预测未来发展趋势。方法基于2010—2022年湖南省基层卫生技术专业人才现有规模存量,应用ARMA模型建模思路与预测基本原理,利用Eviews 12软件科学预测。结果2023—2025年湖南省基层卫生技术专业人才总体规模快速增长,2025年将达到188172人。结论湖南省乡村医生本土化培养依然存在不足,相对于湖南现有基层医疗卫生机构中的村卫生室专业技术人才需求规模而言,培养规模远无法满足人才需要。建议继续加强财政投入力度,进一步改善基层医疗卫生工作环境;灵活用人制度,多方协同夯实人才流失防火墙;持续推进乡村医生本土化培养,扩大培养规模与辐射范围应是有效途径。

基于ARMA模型磁暴抑制的地震TEC异常分析

地震孕育的过程中会影响电离层的粒子浓度(TEC),因此可以通过TEC数据分析地震异常信息,但是TEC数据相较地震事件受太阳活动影响更大,所以以往的研究通常只能选择太阳活动较为平静的时期。受磁暴影响TEC数据无法正常反应2021年云南大理州等地的地震异常信息,因此抑制磁暴干扰就显得格外重要。在滑动四分位法的基础上提出一种基于ARMA模型的TEC数据磁暴抑制方法,通过重新拟合磁暴发生前后的TEC数据,从而代替原始数据进行分析,在一定程度上降低磁暴对地震的信息的影响,然后提出一种地震特征及其相关性的模型对TEC异常和地震事件的相关性程度进行分析。基于IGS数据分析中心提供的全球电离层电子浓度数据,分别对2021年云南大理州漾濞县6.4级地震和青海果洛州玛多县7.4级地震进行仿真分析,分别使用传统的滑动四分位法和滑动窗口法,并通过提出的相关性模型对磁暴抑制前后的特征和事件相关性结果进行对比,结果表明去除磁暴后的特征与地震相关性增加约13-18%。

基于ARMA模型河北省羊肉产量分析与预测

河北省处于华北平原,区位优势优越,自然资源优良,具备优异的养羊条件,2022年河北省农业农村厅提出15个优势特色产业集群,其中针对于肉羊产业集群提出专业推进方案,在11个产业集群县、6个产业园区实施各具特色的实施方案,强化6个羊肉品牌,推动河北省肉羊产业进一步发展壮大,因此河北的肉羊产业、羊肉生产与消费对河北的社会与经济均产生了重大影响。

基于WT-BiLSTM-ARMA模型的PM2.5浓度预测研究

针对PM2.5浓度预测问题,提出一种基于小波变换的模型。在北京市六个大气污染监测站测得的PM2.5浓度数据上,运用小波分解算法对原始数据序列进行特征提取,使用BiLSTM对高频序列进行预测,同时使用ARMA对低频序列进行预测,最后将各个子序列的预测值进行小波重构得到最终预测结果。实验结果表明,相较于传统单一模型和组合模型,该模型的性能和预测精度均有提高。

基于ARMA模型的湖北省农村居民消费价格指数预测

本文通过建立ARMA模型,对2021—2022年湖北省农村居民消费价格指数进行预测,结果显示2021—2022年湖北省农村CPI将处于一个发展速度相对稳定和较低水平的状态。同时,通过对湖北省农村居民消费特征进行分析,结合湖北省人口结构老龄化程度在加深的趋势,可以看出虽然整体消费水平有所提升,疫情对居民的消费产生了一定的影响,但居民消费结构也在发生变化,因此建议相关部门在进行宏观调控及实施相关政策时,需更加注重制定对农村地区CPI有结构化影响的政策实施。

基于ARMA模型的高考人数预测研究——以H市为例

高考是为高校招生设置的全国性统一考试,是国家级重要考试之一。高考人数的变化既能反映人口发展规律,又能反映某一时期社会政治、经济、文化等方面的特点。以H市2009—2022年高考人数为研究基础,通过时间序列分析算法构建ARMA模型,再利用Matlab软件进行数值计算可预测该市未来五年参加高考的人数。研究结果显示,H市未来五年高考人数可能会持续增加,在2027年左右达到3万人。与此同时,未来几年H市经济、社会、科技等方面的发展会对实际高考人数产生一定影响。

我国鸡肉价格波动特征及趋势分析——基于ARMA模型的实证分析

以我国鸡肉集贸市场价格为研究对象,基于我国2013—2021年鸡肉集贸市场价格数据,利用census X12季节调整法和HP滤波法对我国鸡肉价格的波动进行了分析。研究发现,我国鸡肉价格存在明显的季节性趋势,每年1—2月份价格较高,6月份价格较低,且在长期中呈现逐渐上升趋势。随后利用ARMA模型对2021年12月—2022年4月的鸡肉价格进行了预测,结果显示,2021年12月—2022年4月我国鸡肉价格总体平稳,波动幅度较小,同时可能会出现下降趋势。最后根据研究结论提出了建立多品类的价格监测预警体系、完善重大流行疫病监测防控管理机制、建立鸡肉生产销售指导建议制度、引导消费者合理预期等对策建议。

广义时变ARMA模型参数函数的确定方法

提出一种确定广义时变ARMA模型参数函数的方法。该方法首先求得时间序列的均值函数和方差函数 ,并将广义时变ARMA模型转化为时变ARMA模型 ,然后通过样本周期图和多点平均方法得到时变参数的函数形式 ,再分别采用最小二乘法和极大似然法确定其中的待定参数。从而将一个复杂的时变问题转变为相对简单的时不变问题进行处理。

基于ARMA模型的卷烟市场需求预测--以川东某市“娇子(蓝)”品牌卷烟为例

将时间序列分析引入到卷烟市场需求预测中,根据2019—2022年川东某市“娇子(蓝)”品牌卷烟销售数据,通过Census X12季节调整法剔除季节因素,通过自相关和偏自相关收敛确定回归阶数,建立ARMA模型并进行短期需求预测。将预测数据与实际数据进行对比,误差在3.4%以内,预测效果较好,说明ARMA模型可用于卷烟市场需求预测,能够对烟草企业的生产经营决策提供有价值的参考。

基于ARMA模型的民航机场投诉量预测

民航业是国民经济的基础性产业,机场的良好运营、投诉的降低和化解是民航运输发展的重要方面。基于此,综合了近15年的民航机场投诉量、总投诉量及旅客吞吐量等基础数据,在民航机场投诉及服务优化研究基础上,提出了基于ARMA模型的机场投诉量预测方法,采用直接和间接的策略,对机场投诉量进行了建模和预测。预测结果表明,基于ARMA模型的预测方法比最小二乘法更合理,优势突出;ARMA模型在阶次不高的情况下依然能够实现高精度预测,(5,5)阶及其以上的预测结果均与实际数据吻合;由2023年的预测结果可看出,三种基于ARMA模型预测结果体现了民航机场投诉的季节变化,反映出民航运输季节性的特点,具有较高的置信度。

改进的灰色模型与ARMA模型的股指预测

当前基于灰色GM(1,1)模型和ARMA模型的组合模型GM-ARMA模型存在着2点不足:一是由于GM(1,1)模型不是最优的,导致了GM-ARMA模型也不是最优的;二是GM-ARMA模型并没有恰当地结合2个子模型,这也导致了GM-ARMA模型不是最优的.为此,首先引入数据维度参数和白化背景值的系数2个参数来改进GM(1,1)模型,然后同时优化ARMA模型中的P、Q2个参数来改进GM-ARMA模型,称新的模型为RevisedGM-ARMA(RGM-ARMA)模型.实例证明RGM-ARMA的误差小于ARIMA和GM-ARMA模型,并且为组合模型的建立提供了新的思路.

基于LSSVM-ARMA模型的基坑变形时间序列预测

如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(PSO-LSSVM)和自回归移动平均模型(ARMA)的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列——趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。

基于灰色模型和ARMA模型的猪瘟月新发生次数预测比较

对猪瘟月新发生次数(每个月的新发生次数)的定量预测可以为当地动物疫病防控部门提供依据,使其针对猪瘟发病风险有选择性地采取防控措施。该文分别选用灰色预测模型和ARMA预测模型对贵州省猪瘟月新发生次数进行了预测。灰色模型和ARMA模型以2005-2008年兽医公报中统计的贵州省猪瘟发病数据为预测依据,以2009年的统计数据评价比较预测效果。灰色模型和ARMA模型预测平均绝对误差分别为1.84和1.48,平均绝对百分误差为0.272和0.229。预测结果表明,ARMA预测模型的预测精度更高,对贵州省猪瘟发病的预测是可行有效的。

基于噪声场合下ARMA模型的风力发电量预测

针对普通的ARMA模型的预测质量由于各种原因会大大降低的情况,依据富锦风电场风力发电量的时间序列,基于HOYW定阶方法建立了噪声场合下的ARMA模型。通过对模型残差白噪声性能的分析,验证了模型的适用性。应用此模型进行了预测分析,得到的归一化平均绝对误差(NMAE)为0.0658。通过与普通的ARMA模型预测精度方面的对比,进一步验证了噪声场合下基于ARMA模型风力发电量预测的优越性。