基于突变分析的周期——ARMA模型年降水量模拟

使用M-K法检验珠江流域云南片1956—2012年年降水量系列,发现该系列在2003年出现变少突变信号,以突变点为分界点,去除突变因素,重新构建年降水量系列。分别构建原系列及考虑突变因素新系列周期—ARMA线性组合模型并模拟计算,结果表明,考虑突变因素后,系列周期将发生一定变化,但有利于提高模型模拟精度。

全球恐怖袭击事件的ARMA模型预测及波动周期分析

预测全球恐怖事件发生次数,揭示恐怖事件长期变化趋势和短期波动周期,有助于把握国际恐怖主义活动的变化态势。为此,本文以马里兰大学全球恐怖主义数据库(GTD)1999—2018年数据为样本,首先构建全球恐怖袭击事件的时间序列ARMA模型,然后开展2019—2020年全球恐怖袭击事件预测。在此基础上,利用频谱滤波(BP)方法对1970—2020年全球恐怖袭击事件的长期趋势和短期波动周期进行分析。研究主要发现:第一,2019—2020年全球恐怖袭击事情发生次数仍呈减少趋势,减少幅度预计为9.3%和5.8%左右;第二,以美国"9•11"恐怖袭击事件为分界,全球恐怖袭击事件表现出两个不同的长期变化趋势;第三,"9•11"事件以来,恐怖事件发生的次数形成了大体以7—8年为周期的短期波动,2018年以后,恐怖事件年度发生的次数及年际变化可能呈减少趋势。

谐波级数表示与周期时变参数模型间关系

以循环平稳随机过程的参数模型表示为研究对象,提出一种由循环平稳随机过程谐波级数表示(HSR)获得信号周期时变参数模型的方法.首先采用滑动平均参数模型(MA)来描述谐波级数表示中的联合平稳随机过程,然后利用谐波级数表示中谐波信号的周期性构造周期时变参数模型,最后通过仿真验证了模型的一致性.理论分析和仿真结果均表明在满足一定精度的条件下,可以由循环平稳随机过程的谐波级数表示获得周期时变参数模型.

基于Fourier变换和ARMA模型的纳斯达克综合指数预报

针对金融时间序列存在非线性、随机波动强的特点,提出Fourier变换结合ARMA模型的区间预测方法。根据谱密度分布,通过信噪比和方差累积变化确定时间序列的多周期复合趋势。数据分析表明,这种多周期复合趋势的残差适合用ARMA模型建模。对2012年12月28日至2015年7月21日纳斯达克综合指数每日收盘价的分析显示:该序列的最佳趋势由两个周期序列合成,对该趋势的残差用ARMA模型建模,获得比较理想的区间预报效果。

三角函数法拟合与ARMA模型拟合在上海SLR测站残差规律分析中的应用比较

综合利用三角函数法拟合与ARMA模型拟合方法对上海SLR测站坐标残差序列进行规律分析,实验结果表明:三角函数法拟合能够直观方便的拟合出残差序列中的周期规律,有助于深入研究引起残差周期规律的各种地球物理机制;而ARMA建模拟合更加适用于拟合残差序列本身,可以有效地减小剩余误差。

监控陀螺正反转周期确定方法研究

附加监控陀螺的陀螺监控方法是减小陀螺漂移的有效途径之一,基于漂移补偿实时性和有效性的双重要求,需要针对监控陀螺选择最佳的正反转周期。基于时间序列和马尔科夫分析方法,提出了一种确定监控陀螺正反转周期的行之有效的方法。

对舰面温度数据的建模及其趋势和周期性分析

在系统建模理论的基础上,运用改进的动态数据建模方法,文章对某舰面温度数据进行建模并验证了模型的适用性,然后根据建立的模型进行了趋势和周期性分析.根据模型的适用性检验发现,对所研究的温度数据而言,ARMA(6,5)模型是最合适的,且其具有一定的线性趋势,但周期性不很明显.所有的建模和分析过程均在MATLAB上实现.

网络服务器软件老化问题的ARMA建模与分析

以应用广泛的Apache服务器的软件老化现象为研究对象,采用ARMA时间序列建模方法进行了研究,通过将获取的相关数据,进行ARMA建模,取得了软件老化现象的数学模型,并通过该模型预测结果与实际数据进行对比,最终认为该ARMA模型能够较准确模拟Apache服务器的软件老化过程,可以作为下一步研究软件老化现象的数据依据。

波罗的海干散货运价指数预测及实证分析

以波罗的海干散货运价指数(BDI)为研究对象,以其月度平均值为单位,分析BDI的季节性与周期性波动规律。通过分析其长期趋势性因素的波动规律,发现BDI的长期波动规律符合生长曲线模型。借助于ADF检验,建立ARMA模型。实证分析结果表明,该模型可用于BDI的短期预测。

基于遥测数据动态特征的卫星异常检测方法

基于遥测参数分析异常是保证卫星正常在轨运行的基础,通常采用阈值法判断遥测参数是否超差来判断卫星工作状态,由于其无法检测在阈值范围内变化的卫星遥测数据异常,因而会导致故障漏报,本文利用遥测参数动态变化特性,提出一种基于遥测数据变化规律检测异常的方法.利用周期图谱法求解遥测参数周期,根据遥测数据各周期之间参数值的相似性,按照遥测参数周期对数据进行采样,得到平稳差分序列,对其建立自回归移动平均混合模型,通过精确的预测结果与实测遥测数据比较来发现异常.利用该方法对实际在轨运行的某卫星2012年5月太阳能帆板转动异常故障进行验证,结果表明其能够有效避免故障漏报.

某市甲型肝炎发病预测研究

目的：对某市甲型肝炎的发病做短期预测，为其防治工作提供科学依据。方法采用ARMA模型和季节周期回归模型在2007-2012年甲肝发病资料的基础上，对2013年发病情况进行预测。结果某市2013年甲型肝炎年发病率预测值为33．501（1/1000万），第一季度为25．26，第二季度为3．28，第三季度为2．233，第四季度为2．233。结论季节周期回归模型对甲型肝炎各季度发病率的预测效果较好；相关卫生部门应有针对性地做好准备工作，未雨绸缪，降低甲型肝炎的发病水平。

2004～2010年湖南经济增长率预测

以 195 3～ 2 0 0 3年湖南GDP增长率为基础 ,建立时间序列模型 ,即ARMA模型 ,对湖南未来 7年的GDP增长率作出预测。判断它是否位于可运行区间内 ,并根据预测结果提出相应的对策和建议 ,做到未雨绸缪。

中美宏观经济波动周期比较分析

本文通过采取HP滤波、ARMA模型及R/S分析来研究相关数据,发现中国宏观经济和美国宏观经济波动均存在平均长度不同的非周期循环,就平均周期长度而言,前者属于基钦周期,后者属于裘格拉周期,而且中国宏观经济开始转入裘格拉周期;其次,中国宏观经济波动的Hurst指数小于美国宏观经济波动的Hurst指数,且二者均大于0·5,说明它们都具有状态持续性,而从总体看,美国宏观经济比中国宏观经济更加持续、稳定;另外,就波动周期的形成原因而言,二者波动周期的形成机制大不相同。

中、美证券市场的波动周期比较

本文通过HP滤波、ARMA模型及重标极差分析(R/S)来研究中、美证券市场的波动周期,总结出中、美两国证券市场波动周期的异同点及成因。

生猪价格指数保险能否抑制“猪周期”?

在我国生猪期货市场初步建立且中小规模养殖户较多的背景下,生猪价格指数保险是利用保险方式抑制“猪周期”的有益探索。本文基于对生猪市场供需关系的实证分析,结合蛛网理论和ARMA模型对生猪价格周期进行预测,并评估了生猪价格指数保险对“猪周期”的抑制效果。结果显示,模型预测的生猪价格波动趋势呈现出收敛型的蛛网特征,其中大周期为4~6年,小周期为5~14个月。在本文的研究框架下,生猪价格指数保险对“猪周期”产生了明显的抑制作用,并且在合理区间内,约定猪粮比越高,抑制效果越好;同时,生猪价格偏离均衡价格越远,生猪价格指数保险对价格波动的抑制效果越明显。

我国猪肉价格波动特征及预测研究

猪肉是关系国计民生的重要农产品之一,猪肉价格波动会直接影响整体物价水平和居民日常生活。本文采用了(2007年1月-2020年2月)近13年猪肉价格数据,运用Census X12季节调整模型,剔除季节因素、不规则因素,从而得到猪肉价格趋势性和周期性的变化特征。运用H-P滤波模型将剔除出的猪肉价格趋势循环序列进行进一步预测分析,同时运用ARMA模型完成对我国猪肉价格波动的预测研究。结果表明:我国猪肉月度价格呈现明显的季节性波动特征,并且平均每36个月会有一次波动。