交通流的季节ARIMA模型与预报

使用季节ARIMA模型对交通流进行建模及预报为高速公路交通状况分析、道路设施建设、公路效益评价及控制策略设计等提供了一种可靠的方法和途径.介绍了具有周期的季节ARIMA模型的一般表达方式,并提供了使用这一模型进行建模和预报的一般过程.最后以某高速公路的实测数据为例,进行实证分析,得到了72步的长期预报结果,其相对误差为0.

基于季节ARIMA模型的公路交通量预测

为了提高公路交通量季节性预测的精度,在介绍一般ARIMA模型的基础上,推导出一种具有周期的季节ARI-MA模型的一般表达式,以及使用这种模型进行建模和预报的一般过程。在实证分析中,先用傅立叶周期分析法检验时间序列的周期性并求出周期长度,然后用Eviews软件对时间序列作平稳性检验以及实现模型的识别、建立、选择与预测过程。与三个常用季节预测模型:分组回归模型、可变季节指数预测模型和季节周期回归模型相比,季节ARIMA模型的预测精度最高。研究结果对于更为科学准确地预测公路交通量具有一定意义。

基于季节ARIMA模型的电力负荷建模与预报

电力负荷是影响电网寿命和可靠度的一个重要因素.将季节ARIMA模型引入电力负荷的建模及预报,为电力资源分配的宏观调控及电网改造提供了一种可靠的方法和途径.文中用频谱分析的方法检验电力负荷的季节性并求出一个周期;介绍了具有一个周期的季节ARIMA模型的一般表达方式,并给出进行建模及预报的一般过程.以天津市华苑小区的电力负荷为例,进行了季节ARIMA模型的建模及预报.

季节ARIMA模型在于桥水库溶解氧预测中的应用

目前水库污染问题严重,而溶解氧是表征水体受污染程度和生态环境好坏的重要指标。介绍了ARIMA模型,以于桥水库三个监测站点1999～2005年的溶解氧含量为基础,运用季节ARIMA模型进行分析,预测2006年各监测站点的溶解氧含量,经与实际数据验证,说明该方法对于桥水库溶解氧浓度预测效果较好。

基于季节ARIMA模型的国有粮食企业收购预测分析

研究国有粮食企业的购销现状,对国有粮食企业的购销量进行分析和预测,有利于深刻认识国有粮食企业的市场运行规律,更为充分地保障国家粮食安全。本文利用Box-Jenkins法中的季节ARIMA模型,对2005年1月—2009年4月中国国有粮食企业收购量数据序列进行分析,建立了国有粮食企业的季节ARIMA模型。检验结果表明,季节ARIMA模型对原始数据序列有着较好的拟合效果,模型的预测效果良好,可用于短期内国有粮食企业收购量的预测。

基于季节ARIMA模型的近海表层水温时间序列模拟与预测

基于1996—2007年逐月时间序列数据,采用季节ARIMA模型对连云港近海表层水温时间序列进行模拟,并依据残差不相关和简洁性原则确定模型的结构,建立最优预测模型ARIMA(1,0,1)(0,1,0)12。运用该模型对2008年逐月表层水温进行预测,预测值与实际值的变动趋势基本一致,且平均相对误差仅为3.5%。在此基础上对2009年连云港近海逐月表层水温进行预报,预报结果符合该海域表层水温的逐月变化趋势,表明模型用于近海表层水温预报是可行的。

季节ARIMA模型在我国肺结核发病率预测中的应用

目的探讨应用季节ARIMA模型对我国肺结核发病率进行预测的可行性.方法对我国2005年1月-2010年12月肺结核逐月发病率建立季节ARIMA模型,并对预测效果进行评价.结果 ARIMA(3,1,0)×(0,1,1)12模型很好地拟合了既往数据,对2011年1月-9月发病率的预测值符合实际发病率变动趋势.结论季节ARIMA模型能很好地模拟我国肺结核发病率的变动趋势,将其应用于肺结核发病率预测是可行的.

基于季节ARIMA模型的月度用电量置信区间预报模型

结合广东某地区用电量预测系统的开发工作,建立了基于季节ARIMA模型的月度用电量置信区间预报模型。该模型可方便求解出含一定置信度的预报结果范围,能体现出月用电量的真实值;时间序列方法的应用,避免了预测其他非用电量的困难。此外,还分析了数据统计中存在着的数据缺失问题及其处理方法。对地区电网月度用电量进行实际预测,取得了理想的结果。

积分季节ARIMA模型和太阳黑子月数据的时序模型

本文提出积分季节ARIMA模型，并以之对太阳黑子月数据建立模型，进行分析和预测，取得良好效果．

季节ARIMA模型在保费总收入预测中的应用

保险业作为现代金融业的重要支柱之一,对经济社会的发展有着不可替代的作用。我国保险行业起步较晚,但未来发展空间广阔。保费收入作为评价保险业发展的重要指标,一直是市场关注的重点。保费收入的预测无论对整个保险业的监管还是对各个保险企业的决策而言均十分关键,但现有研究受到了数据可得性和方法缺陷等的制约。本文利用黑龙江省2010年至2017年的保费总收入月度数据建立季节ARIMA模型对保费总收入进行预测,实证结果显示,该模型稳定性好,短期预测精度高,对我国保险市场的发展与监管具有重要的理论意义和现实价值。

基于因素分解法和季节ARIMA模型的居民生活用电预测对比分析

居民生活用电是居民家庭生活能源消耗的主要原因之一,对居民生活用电量的准确预测对能源保障和节能减排具有重要意义。居民的生活用电量往往受到长期趋势、季节因素、随机因素等多个因素的影响,合理选择预测方法是提高预测精度的关键。本文基于2013年10月-2019年9月的合肥市居民生活用电月度数据,分别采用因素分解法、加法季节ARIMA模型和乘法季节ARIMA模型三种方法建立模型并进行对比分析与预测,并结合2019年10月-12月数据进行预测效果检验。结果表明乘法季节ARIMA模型在样本区间的拟合效果最好;因素分解法对未来的预测效果最好且更易解释;在各因素存在交互作用的情况下,乘法季节ARIMA模型拟合效果和预测效果均优于加法季节ARIMA模型。

基于乘法季节ARIMA模型的农村居民人均收入的短期预测

文章采用我国近10年的农村居民人均现金收入季度数据进行乘法季节ARIMA建模,发现ARIMA(0,1,0)×(2,1,0)4模型能够很好的拟合我国农村居民人均收入,并用该模型进行预测,预测结果表明:2014年前两季度的预测值与实际值的相对误差率非常小,说明模型拟合的效果很好;同时预测结果也发现农村居民人均现金收入呈现稳定增长的趋势,且存在明显的季节周期性。

基于季节ARIMA模型的地下水位动态预测

通过分析1996～2004 年测井实测逐月地下水埋深序列的趋势性和周期性,建立了合适的季节ARIMA 模型,并运用该模型对2005 年逐月地下水埋深进行预测,预测值与实测值变化趋势一致,平均相对误差为2.5%,证明该模型用于地下水水位预报是可行的.

基于季节ARIMA模型的短期电价预测

考虑电价具有波动性、多重周期性和均值回复性等特点,将季节ARIMA模型应用于电价的短期预测中.以美国加州电力市场的历史电价数据为样本,利用EVIEWS软件建立了电价的短期预测模型,并用建立的模型对未来一天24个时段的电价进行预测.研究结果表明,季节ARIMA模型对短期电价具有较高的预测精度.

社会消费品零售总额的预测——基于季节ARIMA模型

社会消费品零售总额是研究人民生活、社会消费品购买力、货币流通等问题的重要指标,社会消费品零售总额能够反映消费的主要情况,使用不同年份的数据能够更好的发现消费的成长性和趋势变化,帮助我国制定宏观经济政策提供有力帮助。本文基于2006年1月至2017年11月的我国社会消费品零售总额时间序列数据,构建了ARIMA(0,1,1)×(0,1,2)12模型,并对2017年12月至2018年12月的社会消费品零售总额进行外推预测,以此对我国未来一年的消费水平有一个整体了解,从宏观层面把握我国未来经济运行状况。

中国电影票房季节性分析和预测——基于季节趋势模型和季节ARIMA模型

季节性分析和预测对于中国电影票房极具现实意义。通过2011年~2018年中国电影市场票房数据分析表明,中国电影市场季节显著,而季节趋势模型和季节ARIMA模型能适用于中国电影票房预测和研究,且效果较好。电影的整个制作过程都应该有季节性意识。面对当下年票房总额超过600亿元的中国电影市场,每一部影片都有自己适合的档期。对于类型突破型、票房期望高的影片应选择夏冬季节上映,而对于风格多样化、票房体量小的影片来说建议选择春夏两季上映。

基于季节ARIMA模型的铁路客运能力需求预测研究

针对铁路客运资源时空配置不均衡问题,运用面板数据的非线性时间序列分析理论,构建了预测铁路客运能力的3种ARIMA模型,并运用客运区段内13个站点的客流量数据进行了实例分析。结论如下:季节ARIMA模型预测铁路客运能力显著性最强;铁路客运呈现出单周的季节波动,同时节假日对季节波动的影响显著。

基于乘法季节ARIMA模型的铁路旅客运输量的分析与预测

随着我国高铁客运市场的快速增长,中国铁路公司及其相关企业有着更大的发展空间。对铁路旅客运输量作出准确的预测是相关企业和部门准确把握行业发展趋势,做出合理决策与调度的前提。由于铁路旅客运输量具有较强的趋势性和季节性,本文运用非平稳乘法季节ARIMA模型对我国2005—2015年铁路旅客运输量的月度数据进行拟合,建立了ARIMA(0,1,1)*(0,1,1)模型,在此基础上预测2015年的月度旅客运输量,模型总体效果较好。

季节ARIMA模型在结核病研究中的应用

根据我国肺结核发病具有季节性的特点,采用季节ARIMA模型对卫生部统计的2010年3月至2017年11月肺结核发病人数进行拟合、预测,通过对比三种不同季节模型的参数估计、显著性、拟合度及残差的自(偏)相关系数,结果表明,ARIMA(6,2,1)×(0,1,1)12模型能够较好地拟合2010年3月至2016年12月的数据,并能够准确预测2017年的数据,其相对误差在90%的置信区间,采用ARIMA(6,2,1)×(0,1,1)12模型对肺结核发病人数的预测是可行的。

基于季节ARIMA模型的华北电网售电量预测研究

研究现有电网售电情况，对售电量进行分析和预测，从而可以对有限的电力资源进行有效分配。介绍了自回归单整移动平均模型及季节AR IMA模型的基本原理，以华北电网2005年1月-2008年4月的月度售电量为基础，运用季节AR IMA模型进行分析，实证结果表明，该方法对售电量的短期预测有较高的预测精度。