中国社会消费品零售总额的时间序列分析

本文基于2000年1月~2022年12月的社会消费品零售总额数据,通过时序图和确定性因素分解初步了解该序列具有明显的季节性和趋势性。ARIMA模型为时间序列数据分析中最常用的模型,在对模型添加季节因素后可以很好地对具有该性质的数据进行建模,Holt-Winters三参数指数平滑模型中的指数包含了季节项和趋势项,也可以很好地分析和预测该数据,因此本论文采用ARIMA乘积季节模型和Holt-Winters三参数指数平滑模型对社会消费品零售总额数据进行建模,并根据建立的模型预测未来五个月(2022年8月~2022年12月)的社会消费品零售总额,探究不同模型在处理该类数据时的优劣。从结果来看,Holt-Winters三参数指数平滑模型优于ARIMA模型,我国短时间内社会消费品零售总额仍然将保持增长状态。

XGBoost算法在二手房价格预测中的应用

随着近些年社会经济的快速发展,房地产的开发也如火如荼展开,二手房市场也得到迅猛发展,在如今存量房时代,二手房交易成为房地产市场的重要部分,二手房的价格是诸多购房者的关注点,因此对二手房价格预测是有必要的。本文围绕XGBoost算法学习,借助网络爬虫技术,从链家网站采集了杭州九堡1500条在售二手房信息,将数据清洗并提取特征后,在Shiny平台进行展示,并以2023年2月江干区二手房均价34,381元/平米为分界线,将该地二手房分为高、低价格共两类。本文就影响二手房房价的因素进行深入研究,进而对房价进行分类预测。通过对影响二手房价格的特征因素提取并排序,结果显示第一重要的特征是房屋面积,其次是二手房屋关注的人数及发布时间、建筑结构、房间数量、房屋装修情况这四个特征,而房本时间、客厅和餐厅数量是重要性最弱的特征。本文基于XGBoost算法对房价预测,结果分类效果较为理想,说明算法的应用性较好,同时为后续我国二手房价格预测或其他问题的预测扩充探索的道路。

基于EEMD-ARIMA模型的气温预测研究

采用集合经验模态分解(EEMD)与差分整合移动平均自回归(ARIMA)模型相结合的方法对年均气温数据进行建模预测。首先对年均气温做加噪处理后进行经验模态分解(EMD),使其分量平稳化,然后再对各分量采用ARIMA模型预测,最后将各预测结果叠加得到年均气温的预测值。通过比较发现,EEMD-ARIMA模型比EMD-ARIMA模型及ARIMA模型的预测结果具有更高的精确度。

电离层TEC,均值插值法,球谐函数模型

本文参照极区电离层TEC的UT变化特征,统计分析了极区网格划分方法。引入网格均值插值方法,结合球谐函数理论,构建了基于球谐函数的极区电离层TEC经验模型,降低了拟合出现负值的情况。通过拟合太阳活动低年2007~2010年的极区电离层TEC观测数据,表明极区平均电离层TEC值随UT呈“波浪”式变化。通过广义三角级数函数模型与球谐函数模型的对比,发现后者对极区电离层TEC建模具有更好的适用性。