旅游收入时间序列预测——以秦皇岛市为例

采用时间序列动态模型、求和自回归滑动平均模型、延迟因变量自回归模型预测秦皇岛旅游收入时各有优劣。用平均绝对百分比误差、均方根误差和均方根百分比误差三个指标来评估这三个模型,发现求和自回归模型的预测能力最好,并由此提出增加秦皇岛旅游收入的关键措施:导入区域旅游模式,提升旅游服务质量,加强旅游产品促销等。

大坪林场森林资源预测与控制模型建立的尝试

在分析大坪林场连续七期森林资源状况的基础上，运用动态监测原理，建立森林资源的时间序列动态模型，并用二阶差分方程做平稳化处理后，对森林资源进行监测和预测，预测出该场1993～1995年的森林总蓄积与可采伐蓄积数量，预测精度达98％，为该场的经营管理提供可靠的科学依据。

Fault Prediction Based on Dynamic Model and Grey Time Series Model in Chemical Processes

This paper combines grey model with time series model and then dynamic model for rapid and in-depth fault prediction in chemical processes. Two combination methods are proposed. In one method, historical data is introduced into the grey time series model to predict future trend of measurement values in chemical process. These predicted measurements are then used in the dynamic model to retrieve the change of fault parameters by model based diagnosis algorithm. In another method, historical data is introduced directly into the dynamic model to retrieve historical fault parameters by model based diagnosis algorithm. These parameters are then predicted by the grey time series model. The two methods are applied to a gravity tank example. The case study demonstrates that the first method is more accurate for fault prediction.

互联网金融对中国居民消费的影响研究

近年来,中国互联网金融的快速发展深刻地影响和改变了中国的金融体系,同时也影响了人们生产生活的方式。面对国内目前出现的有效需求不足现象,研究互联网金融对中国居民消费的影响具有重要的理论和现实意义。本文运用2004~2014年中国居民消费、国内生产总值及互联网金融模式中的第三方互联网支付的样本数据,利用动态时间序列模型,实证分析了国内生产总值和互联网金融模式中的第三方互联网支付对中国居民消费的影响,结果表明：国内生产总值和第三方互联网支付对中国居民消费都产生了正向影响,即当期国内生产总值变动每增加1亿元,当期居民消费将会增加0.3188亿元;当期第三方互联网支付交易规模每增加1亿元,当期居民消费将会增加0.3817亿元,可见,加快互联网金融的发展确实能够促进中国居民消费的增长。