ARIMA与ARIMAX模型在私人汽车拥有量预测中的应用

为了提高私人汽车拥有量的预测精度,利用时间序列分析方法对全国2005—2020年的私人汽车拥有量数据进行研究,建立基于动态回归(ARIMAX)模型。运用Lasso模型和灰色关联分析得出影响私人汽车拥有量的主要因素,并将主要因素作为回归项引入差分自回归移动平均(ARIMA)模型。然后,在ARIMA模型的基础上建立ARIMAX模型。模型预测的对比结果揭示了ARIMAX的拟合效果更佳,适用于全国私人汽车拥有量的预测。

基于ARIMAX 模型的中国税收收入预测与分析

根据我国1978—2019年间的税收收入、国内生产总值和财政支出数据,利用R软件,对税收收入建立ARIMA模型,又以国内生产总值和财政支出为协变量,对税收收入建立ARIMAX模型.根据两个模型分别预测2020—2022年税收收入,将预测值与真实值对比,计算得到相对误差和平均绝对百分比误差,发现与ARIMA模型相比,ARIMAX模型误差更小,精度更高,预测更准确.因此,利用ARIMAX模型得到2023—2025年税收收入的预测值.

基于ARIMAX模型的夏季短期电力负荷预测

夏季城市的短期电力负荷预测不仅与过去的电力负荷数据有关,并且受温度、风力、降水量等因素影响明显,存在明显的突变结构。为了对夏季城市的短期电力负荷进行预测,根据协整理论采用SAS软件建立起电力负荷序列与输入序列"温度"之间的ARIMAX模型,充分挖掘序列的内部自相关信息以及序列与序列之间的相关关系。采取最小信息量准则"AIC-SBC"进行比较可知,ARIMAX模型比经典时间序列ARMA模型的信息量要小,相对误差更小,拟合结果更为精确,在存在突变结构且具有显著影响因素的短期电力负荷预测领域具有很高的应用价值。

基于Haar小波与ARIMAX模型进行短期负荷预测

为了提高对非稳态负荷的预测精度,提出了基于Haar小波分析和ARIMAX模型的短期负荷预测方案。首先,通过Haar小波将高频信息序列与低频信息序列分别从电价与负荷序列中分解出来;其次,分别利用电价序列的高、低频序列对负荷序列的高、低频序列进行ARIMAX模型构建和预测;最后,将含有电价信息的高、低频负荷预测值进行Haar小波重构,得到负荷序列的预测值。通过实例验证表明,本文采用ARIMAX模型添加的电价信息,弥补了多次预测产生的误差,对短期负荷的预测精度高于传统时间序列方法。

基于ARIMAX模型的交通事故宏观预测

针对现有道路交通事故预测方法的不足,采用逐步回归法从众多宏观影响因素当中筛选出主要影响因素,并将动态回归ARIMAX模型应用于预测。前者保证了模型应用的准确性,后者则兼有回归与时间序列预测方法两方面的优点。根据1983年—2005年间相关数据,建立起道路交通死亡人数同人口总数、运输线质量里程数、客运量、驾驶员人数、人均GDP、公路运输汽车拥有量的相关关系,进一步应用ARIMAX模型进行预测,拟合结果显示,误差较小、预测情况良好,在交通事故宏观预测方面有很好的应用前景。

基于ARIMAX的城市道路交通流短期预测模型

随着出行者对交通信息的预期依赖的增加,构建和发展更为精准的交通流预测模型显得更加具有实际意义。ARIMA模型作为常见的时间序列处理工具被广泛应用于各个领域。然而,ARIMA预测模型构建是建立在平稳时间序列基础上的,但是其实建立在一元变量的基础上,并且在具体的模型构建过程中一元变量还通常会因差分而造成有用数据信息的丢失,影响最终预测结果。为此,本文考虑通过引入新的参数来弥补传统模型因差分造成信息丢失,构建基于交通流短期预测的ARIMAX模型。利用构建的ARIMAX模型对5天的交通流量进行预测,仿真显示模型的结果误差较小,说明该模型具有一定的实用价值。

ARIMAX模型中的异常点挖掘

异常点挖掘的意义主要体现在两个方面。传统观念中,异常点常常被认为是噪声数据或无用数据,分析时的一般方法是排除这些干扰数据,更好地估计模型的参数。然而,随着Lon-Mu Liu.et(2001)在快餐行业的数据中进行了实例分析,异常点挖掘也被用于挖掘异常点本身所蕴含的信息。ARIMAX模型引入了外部变量,可以更好地拟合数据。因而对含异常点的ARIMAX模型,提出了利用Gibbs抽样挖掘其中AO型异常点的方法,最后进行了模拟试验,取得了较好的结果。

基于ARIMAX的开封“7·20”特大暴雨城市内涝预报研究

针对暴雨引发的城市内涝问题,将多元时间序列ARIMAX模型应用于内涝预报,考虑到积水变化过程是一个时间序列,其主要受到降水过程的影响,用该模型可更好地描述降水量与积水深度之间的关系,更精准地预测城市内涝积水深度及变化过程。将开封市12个内涝监测站数据进行筛选和分析,对数据进行预处理、时间序列平稳性和白噪声检验,通过绘制降水量与积水深度的自相关系数和偏自相关系数图,判断其是否拖尾,同时对时间序列进行差分操作,选用相应的ARIMAX模型。利用贝叶斯信息准则(BIC)确定模型阶数,确定了12个内涝点对应的ARIMAX模型的最终形式。为了检验模型的精度,将基于12个内涝点建立的ARIMAX模型进行内涝预测,并计算预测值与实际内涝积水过程的MAE(平均绝对误差)、MSE(均方误差)、RSME(机器学习误差)。将开封市“7·20”特大暴雨的降水过程作为输入时间序列,进行内涝积水预测,并与实测值进行对比,认为2 h以内、50 cm以下积水深度的预报效果较好。通过“7·20”特大暴雨的实例验证认为构建的城市内涝ARIMAX预报模型适用性较强,进行更多的样本学习训练会取得更精准的预报结果。

基于ARIMAX模型的企业商品价格指数预测

根据2010年1月至2014年12月中国人民银行发布的企业商品价格指数及农产品、矿产品、煤油电的相关数据,利用SAS软件建立了企业商品价格指数的多元时间序列ARIMAX模型,并利用该模型对2015年1月至3月的指数进行了短期预测。预测结果和近期公布的结果比较,误差较小,预测情况比较满意,这表明ARIMAX模型在对企业商品价格指数的拟合与预测上有较好的应用。

ARIMAX模型方法及其应用——重庆城市居民可支配收入与消费支出

可支配收入是影响消费支出的重要因素,主要讨论ARIMAX模型及其在人均可支配收入与消费支出关系上的应用.首先将重庆人均可支配收入和消费支出取对数并且作一阶和二阶差分序列画图,结合单位根检验来判断其平稳性,并且进行协整检验;其次,用最小二乘法估计参数建立了反应重庆城市居民可支配收入与消费支出的ARIMAX模型,并用重庆城市居民人均消费支出和拟合值的拟合图与其相对误差百分比不超过9.3%来表明ARIMAX模型用于研究居民消费效果比较理想.

人民币汇率与中国入境旅游收入的联动分析——基于ARIMAX模型

汇率作为两国家间的价格转换指标,对入境旅游外汇收入有显著影响。基于1978~2019年面板数据,选取人民币汇率和入境旅游收入作为研究对象,借助Person相关系数、Granger因果检验、ARIMA模型、ARIMAX模型等方法,利用R语言编程,对入境旅游收入的趋势进行分析预测并比较两种模型的拟合效果。结果表明,相比于一元时间序列建立的ARIMA模型,引入人民币汇率为输入变量的ARIMAX模型预测精度更高,说明人民币汇率对入境旅游收入有较大的影响,两者存在联动性。

基于ARIMAX-BP神经网络组合模型的新疆小麦产量-播种面积-种植结构预测研究

小麦在新疆粮食生产中占有主导地位,是全疆商品粮的重要构成部分.选取新疆1999~2020年的耕地灌溉面积、农用化肥施用量及农业机械总动力三组时间序列数据作为解释变量,分别利用ARIMAX模型、BP神经网络算法以及它们的组合模型预测新疆小麦产量、新疆小麦播种面积、全国小麦种植结构.经过模型检验与评价,三种模型都具有较好的预测结果,其中组合模型的预测精度最高,达到优化的效果.分析结果表明:影响新疆小麦产量的主要因素为耕地灌溉面积和农用化肥施用量;小麦播种面积与耕地灌溉面积呈现较强的正相关关系;全国小麦种植结构与农业机械总动力呈现很强的负相关关系.

基于ARIMAX模型的我国GDP预测分析

基于我国1980-2018年间的GDP和全社会固定资产投资总额数据,以全社会固定资产投资总额为自变量,利用SAS软件,首先建立动态回归模型对我国2019-2021年的GDP进行预测研究。然后建立ARIMA模型对GDP进行预测,预测结果与ARIMAX模型进行对比,发现ARIMAX模型预测更为准确。预测结果显示2019-2021年我国GDP总量稳步增长,我国经济发展前景良好。

基于ARIMAX模型的水泥稳定碎石基层温度预测方法

水泥稳定碎石基层路用性能受养护温度影响较大,而基层实际养护温度与大气温度、地表温度等因素密切相关。在实际工程中,利用大气温度、地表温度对基层施工后的养护温度进行预测具有一定的现实意义。文中以地表温度与大气温度为自变量,基层温度为因变量,依据AIC和SC准则,借助Eviews9软件对每个自变量建立了ARMA预测模型,在此基础上采用最小二乘拟合参数建立了用于预测基层温度的ARIMAX模型。最后基于实际数据和预测数据借助相对误差百分比检验后,证明该模型拟合良好,预测准确度高。

ARIMAX模型在A省人口出生率预测中的应用

基于A省1982年—2019年的人均GDP和人口出生率数据,以人均GDP为输入变量,以人口出生率为响应变量,建立ARIMAX模型。利用该模型进行预测,结果精确,并对2020年—2024年A省人口出生率预测,结果依次为11.77‰,11.60‰,11.55‰,11.34‰,11.03‰。这表明A省人口出生率呈下降趋势,保持较低状态。

多国粮食限制出口背景下中国食物安全潜在风险与策略——基于大食物观视角

近年来,全球公共卫生事件和地缘冲突事件频发。面对重大突发事件的冲击,许多国家为保障本国粮食安全限制对外出口,这将对中国食物进口造成不利影响。文章对多国粮食限制出口前后中国食物进口变动进行分析,并用时间序列ARIMAX模型分析中国食物大类、谷物类、畜肉类和水产品类安全水平的主要影响因素,设定的主要因素有国际各类食物贸易动荡程度和中国食物受害风险,分析出当前中国食物安全水平主要受蛋白质类食物供给的影响,多国粮食限制出口对中国谷物类食物和水产品类食物供给影响不大,对畜肉类食物长期供给的影响需警惕。最后,本文基于多国粮食限制出口前后中国食物进口变动分析和实证结果提出未来在大食物观视角下保障中国食物安全的政策建议。

考虑电力行业碳排放的全国碳价预测

为更好预测全国碳价走势,基于带有外生变量的自回归差分移动平均模型(autoregressive integrated moving average with exogenous variable model,ARIMAX),分履约期和非履约期使用不同的外生变量分别构建了全国碳价预测模型。首先,基于对全国碳市场制度规则研究和交易特征分析,识别出全国碳价在非履约期主要受参与者预期的影响,在履约期碳价主要受企业履约需求驱动;其次,在模型训练方面,采用一种自回归差分移动平均模型,在不同阶段引入不同的外生变量来提升碳价预测效果;最后,基于全国碳市场第一履约期真实价格数据验证结果表明,所提的全国碳价预测模型在准确性方面优于基准模型。

基于干预分析模型的三级医院重点监控高值耗材影响因素研究

目的 利用漳州市某三甲医院人均重点监控高值耗材收入数据建立干预分析ARIMAX模型,寻找影响人均重点监控高值耗材的影响因素及影响程度。方法 收集2018年1月—2024年1月按月为单位的人均重点监控高值耗材数据和三四级手术占比数据,并分别设为因变量y和自变量x_1,同时分别设定哑变量x_2和x_3,分别代表国家耗材集采政策变量和DIP支付改革政策变量,其中x_2以2021年1月为界,在此之前未执行国家耗材集采,赋值为0,在此之后实行了国家耗材集采,赋值为1,x_3变量以2022年10月为界,在此之前未实行医保支付政策改革,赋值为0,之后实行了医保政策改革,赋值为1。利用干预分析模型建立人均重点监控高值耗材数据分析模型,确定影响人均重点监控高值耗材的影响因素及影响程度。结果 以BIC最低为原则确定的最佳模型为ARIMA(1,0,0)模型,国家集采可以为患者降低10.75%重点监控高值耗材,医院三四级手术占比每上升1个百分点,将会使人均重点监控高值耗材提高2.16个百分点,医保支付政策改变并没有降低重点监控高值耗材使用,该政策在模型中没有统计学意义。结论 国家集采将是今后进行耗材管控的重要途径,三四级手术占比对人均重点监控高值耗材的影响显著。

试验温室温度系统建模与仿真

温室小气候具有强非线性、大时滞、强耦合、强干扰、时变等特点。为更好地设计温室小气候计算机监控系统,需要对其建模和仿真,以便比较控制方案、检验控制算法。在分析温室温度系统机理模型的基础上,选择MISO的ARIMAX模型描述温度系统,根据试验温室实测数据,采用"统计假设检验"和"模型拟合度检验"相结合的方法确定模型结构,通过递推增广最小二乘法估计模型参数,并进行了仿真研究。

应用时间序列干预模型分析新型冠状病毒感染疫情对北京市其他乙类呼吸道传染病的影响

目的利用时间序列干预分析模型研究新型冠状病毒感染疫情对乙类呼吸道传染病时间序列数据的具体影响。方法以新型冠状病毒感染疫情和季节因素为干预变量,对2017-2021年北京市乙类呼吸道传染病的时间序列进行干预分析,利用R语言TSA包中的arimax函数定量分析新型冠状病毒感染疫情对乙类呼吸道传染病的影响及预测。结果根据X11季节调节模型构建季节指数得出,2017-2021年北京市乙类呼吸道传染病的波峰在5-6月和11-12月。干预分析模型考虑新型冠状病毒感染疫情和季节因素建立回归模型,选取最优拟合模型,新型冠状病毒感染疫情后乙类呼吸道传染病报告发病数较之前下降了35.5%。在新型冠状病毒感染疫情和季节因素不变的情况下,模型预测未来一年报告发病数。结论新型冠状病毒感染疫情影响了乙类呼吸道传染病时间序列,致使北京市其他乙类呼吸道传染病病例报告数降低。干预分析可以较好地处理事件发生前后影响的时间序列问题。