灰色模型和ARIMA模型在专利授权数预测中的应用

创新对国家的发展有至关重要的作用,而专利数量常用于衡量地区的创新能力。本文以2003—2020年天津市发明专利的授权数量为原始数据,分别建立ARIMA模型和灰色预测模型对天津市发明专利的授权数量进行预测并进行对比,通过实例表明灰色模型比ARIMA模型在专利授权数的预测中精度更高,并对政府在提高社会创新能力和加强公众产权意识方面提出建议。

基于BP神经网络和ARIMA组合模型预测浙江省人均国内生产总值

本文应用BP神经网络和ARIMA构成组合预测模型,对“十一五”期间浙江省人均GDP的变化趋势进行了综合分析与预测。预测结果显示,2006年～2010年间,浙江省人均GDP平均将为40624.53元,人均GDP平均增长率为10.01%。

国内生产总值预测——基于ARIMA模型的实证分析

该文基于ARIMA模型在分析预测不平稳时间序列的独特优势,根据1978-2013年的国内生产总值对2014-2016年的国内生产总值进行预测,预测结果一方面表明模型ARIMA能够很好地拟合我国GDP走势,ARIMA模型是一种精度较高且切实有效的方法模型,另一方面表明我国经济走势较好,这不仅有助于政府制定更加贴合实际的经济金融政策,而且有助于投资者选择更优的个人投资计划.

基于ARIMA模型的澳门本地生产总值未来走势预测

澳门赌收持续下跌已经有一年多了,经济前景的不明朗,对各行业的负面影响开始浮现。在种种不利因素的影响下,澳门政府需及时调整相对应的宏观经济策略,制定正确的经济发展策略,有效地预测并分析澳门未来GDP走势的整体情况。本文基于时间序列的分析方法对澳门本地生产值总值(GDP)进行建模分析,选择最佳的ARIMA模型对资料进行拟合。通过一系列的实证分析,结果表明ARIMA模型能够有效地预测澳门GDP的走势状况。

基于ARIMA模型陕西省生产总值的分析

改革开放后,中国走上市场经济道路,与以往的经济体制相比,国内生产总值的计量有了很大的不同。GDP从某个侧面反映了经济实力,成了各国衡量经济实力的重要指标。本文基于经济体制深化改革,从时间序列的基本概念出发,以整套的时间序列建模理论为基础,在陕西省生产总值1978-2015年的数据上建立了ARIMA模型,在此基础上,应用ARIMA模型对2016-2020年陕西省生产总值的数据进行了预测,从而了解在经济体制改革下,陕西省的生产总值增长的趋势呈上升状态。

国内生产总值的预测模型

运用自回归求和滑动平均ARIMA(p,d,q)模型对我国国内生产总值时间序列进行分析,结果表明ARIMA(2,2,5)模型可以提供较准确的预测效果,可以用于未来的预测,预测的结果可作为经济决策者的参考依据.

广西生产总值的时间序列分析

通过介绍时间序列ARIMA模型分析法,运用SAS8.0软件系统对1978-2006年广西壮族自治区生产总值立模型,通过比较选择了拟合较好的ARIMA(1,1,0)模型,并且作了预测分析,得到较为满意的效果。

基于ARIMA模型对宁夏地区奶牛体细胞数的趋势预测

本研究通过对生产性能测定(DHI)数据的挖掘与分析建立预测宁夏地区奶牛体细胞数(SCC)的模型,为奶牛乳房炎的防制提供借鉴,使得DHI数据更加有效、及时地指导奶业的发展。对2011年9月~2016年2月宁夏地区奶牛平均SCC数据进行差分使其达到平稳化,采用季节ARIMA模型对数据进行分析、拟合和预测。利用R软件的auto.arima函数计算出合适的时间序列模型ARIMA(1,1,0)(1,1,0)[12],其AIC为-3.67。Acf检验说明残差没有明显的自相关性;Ljung-Box测试显示所有的P值>0.5,表明残差为白噪声,说明此模型可用来对未来的24个月进行预测。再利用R软件的forecast函数对2016年3月~2017年2月的数据进行预测,作出预测图。从预测的结果可以看出,宁夏地区奶牛SCC整体呈现下降趋势。2017年1月SCC最少,预测值约为25.31万个/mL;2016年3月SCC最大,预测值约为43.96万个/mL。从结果也可看出,宁夏地区奶牛SCC均大于隐性乳房炎的临界值(>20万个/mL),说明宁夏地区还应该加大对奶牛乳房炎的防制。同时,若能及时添加新的SCC数据,就能对该数据模型进行更新,使其预测值更接近真实值,对实际生产的指导意义更大。

基于ARIMA模型的四川省GDP分析与预测

文章通过选取四川省1978—2022年的国内生产总值数据,共45个观测值,运用Python软件对数据进行分析检验,最终创建了ARIMA(2,1,0)模型,并使用此模型预测了四川省未来五年即2023—2027年的地区生产总值。结果显示,四川省地区生产总值的预测值与其真实值拟合曲线基本处于同一位置,表明该模型的预测成果比较好。根据这个模型,预测了四川省2023—2027年五年的GDP分别为61334.47亿元、64781.56亿元、69064.03亿元、72802.48亿元、76960.68亿元。通过预测结果可以看出,四川省GDP增速将继续保持在较高水平。为促进四川省经济增长,提出如下建议:(1)明确重点发展产业;(2)明确重点发展区域;(3)注重统筹,协调发展;(4)军民融合。

基于ARIMA模型的河南省GDP指数分析

将时间序列模型应用于2005年第一季度至2018年第三季度的历史GDP指数数据并进行分析.构建ARIMA模型和残余自回归模型,并在此过程中进行白噪声测试和参数测试.结果表明, ARIMA(0, 1, 4)模型是一个相对优化的模型,适用于短期内预测河南省GDP指数的未来趋势.在此基础上作出短期预测结果,显示未来四个季度的河南省地区生产总值指数值呈现稳步减缓的趋势.

ARIMAX多元时间序列模型在国家财政收入预测中的应用

自1978年以来,中国的改革开放政策推动了财政收入的快速增长,并且出现了收入增长超过经济增长的局面。一个国家的财政收入是受多种因素共同影响的,其中国民生产总值是最重要原因之一。本文结合国家财政收入的结构特点,考虑国民生产总值对财政收入影响的前提下,按时间序列方法对国家财政收入建立了ARIMA和ARIMAX模型,并代入了近两年国家财政收入统计数据进行了检验,并对检验结果进行了比较分析。

太阳黑子数的ARIMA模型

从比利时皇家天文台(the Royal Observatory of Belgium)的太阳黑子指数数据中心(the Sunspot Index Data center)的网站获得了1700—2013每年的太阳黑子数的数据。利用R软件结合时间序列建模方法对观测值进行了分析和建模,并利用该模型对未来的太阳黑子数进行了预测。

黄金与经济数据相关性及产量预测

黄金产量、基本金属产量与宏观经济数据联系紧密,本文选取国内生产总值、广义货币供应量、全社会固定资产投资额、社会消费品零售总额、工业增加值、社会融资规模等经济数据,结合2001 年一季度—2024 年二季度黄金及铜铅锌产量数据,用Pearson 函数、ARMA 模型、ARIMA模型进行分析。

陕西省地方生产总值影响因素分析

本文基于陕西省1992年至2020年的统计年鉴数据,首先运用ARIMA(1,1,5)模型,预测陕西省2022年的GDP为29457.36亿元,其次运用多元回归模型,分析陕西省地区生产总值的影响因素,将陕西省地区生产总值设定为被解释变量,从陕西省发展情况出发,选择社会消费品零售总额、年末常住人口、国有经济煤炭采选业固定资产投资、地方财政一般预算支出、国际旅游外汇收入、城镇居民人均可支配收入为解释变量。进行模型设定,并分别经过多重共线性、异方差、自相关检验及修正,探究GDP与其影响因素之间的关系。

负荷预测的线性稀疏数AR预测模型

对时间序列线性ARIMA模型的建模和预测方法进行了总结,根据其特征提出了采用稀疏数AR模型代替ARIMA模型作为通用线性预测模型,并给出了模型搜索算法,使得时间序列线性预测模型的建模过程无需人的干预而能通过程序自动完成。

ARIMA模型在土建专业群人才需求预测中的应用

本文从专业人才需求的角度出发,以江苏省土建类专业群人才需求预测为例,建立专业人才需求预测中ARIMA模型。结果表明,2007～2011年,江苏省土建专业群各类专业人员需求量预测值与实际值之间的绝对误差范围在0.5%～7.9%之间,可满足人才预测的要求。本文利用此模型预测了2012～2016年江苏省土建类专业群专业人才需求趋势,为江苏省高职院校就业指导提供参考。

ARIMA模型在内蒙古GDP预测中的实证分析与研究

根据自回归求积移动平均(ARIMA)模型,通过识别、估计、诊断等过程,对内蒙古1978—2007年国民生产总值的发展变化情况进行了实证分析,发现ARIMA(1,2,1)模型的预测效果比较显著,预测结果将为相关部门的工作、规划提供一定依据。