基于ARIMA-GM模型的矿井涌水量预测

在煤矿开采过程中,矿井涌水量预测对矿井安全生产具有重要意义。以新疆苇子沟煤矿为例,前期采用比拟法、水平廊道法等传统方法预测矿井涌水量误差较大,基于灰色系统理论与时间序列分析,采用GM(1,1)灰色模型和时间序列ARIMA模型分别对首采区涌水量进行预测,通过平均相对误差确定权重进而建立ARIMA-GM组合模型,对比分析涌水量预测结果与实测矿井涌水量。研究结果表明:采用ARIMA-GM组合模型预测首采区涌水量时,涌水量预测值为28.45 m^(3)/h,历年实测值与模型预测值的平均相对误差仅为5.91%,模型拟合优度较好,预测精度较高。ARIMA-GM模型可以满足矿井涌水量短期预测的需要,并为苇子沟煤矿防治水工作提供参考依据。

基于ARIMA-GM(1,1)组合模型对居民人均可支配收入的预测分析

以1983—2022年中国居民人均可支配收入作为研究数据,通过ARIMA模型、灰度预测GM(1,1)模型及其相关组合预测模型对该时间序列数据进行预测分析.以2018—2022年数据作为模型测试集,引入相关评价指标进行拟合优度分析,给出了2023年居民人均可支配收入的最佳预测结果.结果表明,所有预测模型的MAPE均低于1%,并且使用算术平均法的ARIMA-GM(1,1)组合预测模型的预测精度明显高于单一预测模型,拟合效果最佳.

基于ARIMA-GM(1,1)组合模型的河南省卫生总费用及其构成预测分析

[目的]对河南省2021-2027年卫生总费用及其构成进行预测,为河南省相关部门制定与改进卫生决策提供参考。[方法]利用2012-2020年河南省卫生总费用及其构成的相关资料,以ARIMA模型、GM(1,1)模型为基础,建立组合模型,对河南省2021-2027年卫生总费用及其构成进行预测。[结果]组合模型拟合效果较好,为最优模型。模型显示2021-2027年,河南省卫生总费用从4360.7亿元升至7305.8亿元,政府卫生支出占比从29.13%升至31.23%,社会、个人卫生支出占比分别从41.35%、29.52%降至40.2%、28.56%。[结论]河南省卫生总费用呈逐年增长态势。经预测,2021-2027年河南省卫生总费用将持续稳步增长。河南省仍需高度重视医疗卫生事业发展,控制卫生费用增长速度。

湖南省城乡居民收入差距预测—基于ARIMA-GM模型

城乡收入差距问题一直是五年规划中重点问题。文章采用湖南省2004年至2017年城乡居民收入的季度数据,分别利用季节乘法ARIMA模型、GM(1,1)模型和ARIMA-GM组合模型建模并检验和比较,最后将模型应用于湖南省2018年至2019年城乡收入差距预测与分析。结果表明,ARIMA-GM组合模型能够较好的解决收入差距的估计和预测问题,预测精度较高,从而为政府制定相关政策提提供重要依据。

基于ARIMA-GM组合模型的湖北省电力需求预测研究

通过分析湖北省历年电力消费量,利用灰色模型(GM)和自回归积分移动平均(ARIMA)模型分别对2012-2020期间的湖北省电力需求量进行了预测,然后通过方差倒数法进行组合预测,得到了精度更高的预测结果。通过分析整个预测过程及结果,该方法易于操作,精度较高,是一种对电力需求预测方法有益的探索。

基于ARIMA-GM的短期民航货邮周转量研究

ARIMA模型对季节特征有较好的拟合效果,灰色GM(1,1)模型能准确反映时间序列的增长趋势,结合民航货邮周转量的特点和ARIMA模型和GM(1,1)模型的优点,分别建立货邮周转量的ARIMA和GM(1,1)的时间序列模型,揭示出民航货邮周转量随时间推移而发展变化的动态规律,最后为更精确地预测月度民航货邮周转量,提出基于ARIMA-GM的组合预测模型,并对近几月民航货邮周转量进行较准确的短期预测,结果表明:组合模型能提高预测精度,在实际应用中ARIMA模型可用于非季节和季节的各类时间序列;灰色GM(1,1)模型能准确反映时间序列的增长趋势,两者相结合很好地解决了民航货邮周转量短期预测的实际问题,得到民航货邮周转量更精确的预测结论,能够对民航货邮市场的发展趋势进行宏观把握,有利于决策者的经济决策行为。

中国2025—2035年碳酸锂需求预测——基于灰色关联分析和ARIMA-GM-BP神经网络的组合模型

碳酸锂供需矛盾日益突出,科学预测未来中国碳酸锂需求量,对碳酸锂生产、进出口计划以及国家能源政策的制定具有重要意义。结合基于灰色关联分析和ARIMA-GM-BP神经网络的组合模型,选取2002—2021年中国人均GDP、产业结构、城镇化率、润滑脂产量、陶瓷产量、玻璃产量、空调产量、锂离子电池产量和新能源汽车产量作为需求情景预测的主要驱动变量,对中国2025—2035年碳酸锂需求进行预测,在此基础上提出了针对性的政策建议。结果表明:所选取的驱动变量与碳酸锂需求具有较高的关联性,且组合模型较单一模型预测精度更高。3种情景下2025年、2030年和2035年预测的碳酸锂需求量均值分别为42万t、69万t和103万t。

中国猪肉价格预测研究——基于ARIMA-GM-RBF组合模型的分析

猪肉是重要的畜产品之一,其价格关系居民生活水平及整个农产品市场的稳定。本文利用2011年以来的猪肉价格数据,分别构建ARIMA模型、GM (1,1)模型及ARIMA-GM-RBF组合模型对中国猪肉价格进行预测。结果表明,单一模型由于信息利用不充分,预测精度较低。本文中,ARIMA模型表现为普遍低估,且更适合进行短期预测,随着预测期延长,其误差变大;GM模型表现为普遍高估,且更适合进行中长期预测,随着预测期延长,其误差变小。ARIMA-GM-RBF组合模型充分利用了3个模型的优点,相对误差最小,拟合效果最好。结果显示,2018年下半年,中国猪肉价格将呈波动上升趋势;受新一轮增长周期和非洲猪瘟疫情等因素影响,2019年上半年将延续2018年底的上涨趋势,由13.55元/kg持续上升至17.04元/Kg,月均增速为3.89%,2019年下半年,增速将进一步扩大,预计月均增速将达4.68%,年底将创纪录地增至22.52元/kg。最后,提出适当加大规模化、专业化、组织化养殖;监测饲料及原料等上游产业形势;完善猪肉市场监测预警机制,加强疫情防控等促进生猪养殖产业发展和健全猪肉价格调控管理的建议。

改进GM(1,1)-ARIMA-LR模型天然气产量预测研究

为提高天然气产量在少样本情形下预测的准确性,基于对过去的预测误差进行学习的思想,加入自适应学习因子和组合学习因子以改进模型,构建包含GM(1,1)、ARIMA和LR的集成预测模型。该模型以平均误差百分比为评价指标,依据预测步长变化和过去预测误差对单个模型分别进行动态调整,再建立目标规划模型对各模型进行动态加权。实证结果表明,改进GM(1,1)-ARIMA-LR模型能够更好地提取时间序列的长短时依赖关系,与其它的主流模型相比,其预测精度更高。对近5年的天然气产量进行一步、五步与八步预测,GM(1,1)-ARIMA-LR集成模型预测误差分别为1.187%、3.129%、9.855%。本文运用该模型对2023-2030年中国天然气产量进行预测。

基于ARIMA与GM(1,1)模型的公立医院互联网门诊人次预测研究

目的了解公立医院互联网门诊人次的变化趋势,为互联网医院的发展规划提供支持。方法利用某公立医院2021年1月—2023年6月互联网门诊人次数据,分别构建ARIMA模型和GM(1,1)模型,采用平均绝对误差(MAE)和均方根误差(RMSE)评价拟合效果,基于优势模型预测2023年7—12月互联网门诊人次。结果通过ARIMA(1,2,1)模型和GM(1,1)模型对互联网门诊的复诊人次进行预测,平均绝对误差分别为369.86和978.84,均方根误差分别为479.49和1444.83;通过ARIMA(0,1,0)模型和GM(1,1)对互联网门诊咨询人次进行预测,平均绝对误差分别为297.23和369.62,均方根误差分别为413.61和496.30,表明ARIMA模型的预测效果较好。预测结果显示,2023年12月互联网门诊的复诊人次预测值为14831例,咨询人次预测值为7461例。结论2021—2023年某公立医院互联网门诊人次呈持续上升趋势。因此,医院应充分认识到互联网医疗服务的重要性,积极采取措施,不断优化医疗服务模式,为患者提供优质、高效、便捷的互联网医疗服务。

基于ARIMA和GM(1,1)模型的互联网肿瘤专科门诊接诊现状预测研究

目的充分了解互联网肿瘤门诊接诊现状的变化趋势,为互联网医院的发展及管理提供支持。方法利用某肿瘤专科医院2021年1月—2023年6月互联网门诊接诊数据,分别构建ARIMA和GM(1,1)模型,采用平均绝对误差(MAE)和均方根误差(RMSE)评价拟合效果,基于优势模型预测2023年7—12月互联网门诊接诊比例及互联网门诊人次占线下门诊比例。结果通过ARIMA(1,1,2)和GM(1,1)模型对互联网门诊接诊比例进行预测,平均绝对误差分别为2.06%和2.41%,均方根误差分别为3.01%和3.17%;通过ARIMA(0,1,1)和GM(1,1)模型对互联网门诊人次占线下门诊比例进行预测,平均绝对误差分别为0.58%和1.08%,均方根误差分别为0.75%和1.31%,表明ARIMA模型的预测效果更好。预测结果显示,2023年12月互联网门诊接诊比例预测值为90.35%,互联网门诊人次占线下门诊比例预测值为16.46%。结论2021—2023年某肿瘤专科医院互联网接诊比例呈现持续稳定趋势,互联网门诊人次占线下门诊比例呈现持续上升的趋势。因此,医院需建立持续的监测机制,不断调整管理策略和措施,以满足患者的需求,持续推动互联网医疗服务高质量发展。

基于ARIMA-GM组合模型的邮电业务总量预测

对传统预测具有波动性及季节性双重趋势时间序列的模型—ARIMA乘积季节模型进行了改进,先用ARIMA乘积季节模型对邮电业务总量历史数据进行识别和拟合,然后用GM(1,1)模型对其带阀值的残差序列进行修正,最后结合二者得到ARIMA-GM这一组合预测模型.利用此模型对09年上半年中国邮电业务总量进行了预测,结果表明,组合预测方法比单项ARIMA乘积季节模型预测具有更高的精度.

基于ARIMA-GM模型的采掘工作面瓦斯涌出预测

为实现对煤矿采掘工作面瓦斯的动态涌出过程进行精确预测,以煤矿瓦斯涌出时间序列为基础,首先建立了灰色模型GM(1,1)和自回归积分移动平均模型(ARIMA)分别对瓦斯涌出浓度进行预测,然后再利用由方差倒数法得到的ARIMA-GM组合预测模型对瓦斯涌出浓度进行预测,最后结合预测结果进行预警。并以鑫顺煤矿15101掘进工作面为应用实例,结果表明:ARIMA-GM组合预测模型相比单一模型具有更高的预测精度和拟合效果。

基于ARIMA和GM模型的沥青路面使用性能预测

根据高速公路沥青路面使用性能的衰变规律可以确定养护维修道路的最佳时机。文章结合某高速公路沥青路面的技术状况(PQI),建立考虑时间趋势项的ARIMA模型和GM(1,1)模型,根据信息准则选取最优ARIMA预测模型,通过相对误差对两种模型进行权重优化,获得ARIMA-GM(1,1)组合模型。研究表明,3种路面使用性能预测模型都有良好的预测效果,其中GM(1,1)模型预测的相对误差在0.07%~1.18%之间;考虑时间趋势项的ARIMA模型的相对误差在0.07%~0.75%之间;组合模型的相对误差在0.07%~1.01%之间。在2010—2014年PQI数据预测中,ARIMA模型、GM(1,1)模型和组合模型的平均相对误差分别为0.266%、0.252%、0.246%,组合预测模型表现出了一定的优势,其预测结果可为养护计划决策提供一定的科学依据。

基于ARIAM和GM(1,1)模型的我国通用航空运营企业数量预测

作为我国民航两翼之一的通用航空正迅速发展,为全面掌握通航运营企业发展规律,基于2010—2022年的数据分别运用SPSS26、Python 3.9和SPSSPRO建立ARIMA与GM(1,1)两种模型并对我国通航运营企业数量规模预测比较,选择拟合度更佳的模型进行短期预测分析。结果表明:ARIMA(0,2,0)模型和GM(1,1)模型的预测值与实际值拟合度均满足对未来短期数据的预测,但GM(1,1)模型后验差比值为0.001,模型平均相对误差为1.868%,模型不仅精度高,模型拟合效果也好,在预测中更佳。预测结果可为通航发展规划战略提供相应的数据支持。

基于ARIMA与GM(1,1)模型的民航月度运输总周转量预测

比较ARIMA与GM(1,1)两种模型对中国民航月度运输总周转量预测结果,选择拟合程度较高的模型应用于运输总周转量短期预测分析。分别运用SPSS22.0软件和Matlab软件对选取的2009年10月—2019年9月的数据进行ARIMA建模和GM(1,1)建模,根据2019年10月—12月的预测数据拟合效果,确定预测民航月度运输总周转量的最佳模型。结果表明:ARIMA(2,1,0)(0,1,1)12模型和GM(1,1)模型的计算值与实际值拟合程度都相对较好,均可用于未来短期数据的预测。两个模型对2019年10—12月预测值的平均相对误差分别为2.26%和4.15%。ARIMA(2,1,0)(0,1,1)12模型可以更好地与实际民航月度运输周转量历史数据相拟合,可以应用于民航月度运输总周转量的预测。预测结果可为民航发展规划战略提供相应的数据支持。

中国纸及纸板消费影响因素与需求预测

基于2005—2020年相关数据,利用灰色关联分析研究影响中国纸及纸板和各纸种消费的因素,综合运用多元回归分析(multiple regression analysis,MRA)模型、差分自回归移动平均模型(autoregressive integrated moving average model,ARIMA模型)和灰色模型GM(1,1)对中国纸及纸板和各纸种进行需求预测。研究发现,中国纸及纸板消费受到多方面因素的影响,各纸种影响因素存在较大差异;2025年前中国纸及纸板需求年均增长率为2.15%~2.76%,但各纸种需求年均增长率差别较大。企业应及时关注所生产纸种主要影响因素的变化,根据纸及纸板和各纸种消费需求发展趋势,及时调整产品结构,适应消费需求的变化。

几种分离方法在区域经济作物产量预测上的适用性分析:以吴中区枇杷为例

以吴中区枇杷为研究对象,对比分析ARIMA模型、GM模型、线性趋势和二次指数平滑法在区域性经济作物上气象产量分离的适用性,并对在这四种方法的基础上所构建的基于气候因子的产量预测模型预测准确度进行分析。结果表明,(1)使用GM和线性趋势方法分离的枇杷气象产量的正负性与农业气象灾害年鉴匹配较好。(2)四种方法分离的枇杷气象产量与9个气候因子间复相关程度均达到极相关,复相关系数分别为ARIMA方法 0.95,线性趋势和GM方法 0.94,二次指数平滑方法 0.93。(3)使用GM方法预测的枇杷趋势单产均方根误差和绝对百分比误差最大,在考虑了气候因子后,均方根误差降低百分率达到50.1%,其余三种方法中线性趋势法降低49.3%,ARIMA模型降低6.7%,二次指数平滑降低14.4%。(4)四种方法所构建的基于气候因子的产量预测模型预测结果,使用GM方法的RMSE和MAPE分别为3.0kg·hm^(-2)和15.2%,线性趋势方法次之,ARIMA方法最差。整体来看,GM(1,1)和线性趋势方法分离的枇杷气象产量与气象灾害记录更匹配,使用GM方法构建的基于气候因子的产量预测模型效果最好,表明GM模型更适用于区域性经济作物的产量分离和预测。

基于灰色理论与ARIMA模型的股票价格预测

利用组合模型对茅台股票价格进行预测。首先通过ADF检验观察价格时间序列是否平稳。其次,选择ARIMA、GM(1,1)、GM-ARIMA回归模型分别对股票价格序列进行拟合。最后,基于误差标准选择GM-ARIMA回归模型对茅台股价进行预测。结果表明,GM-ARIMA回归模型更能准确地预测茅台股票的股价。

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型。本文首先利用ARIMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型。预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势。