期刊文献+
共找到14篇文章
< 1 >
每页显示 20 50 100
Forecasting Oil Production in North Dakota Using the Seasonal Autoregressive Integrated Moving Average (S-ARIMA) 被引量:1
1
作者 Jaesung Choi David C. Roberts EunSu Lee 《Natural Resources》 2015年第1期16-26,共11页
North Dakota’s oil production has been rapidly increasing during the past several years. The state’s oil production in March 2013 even increased to more than twice the quantity produced in March 2011, and the estima... North Dakota’s oil production has been rapidly increasing during the past several years. The state’s oil production in March 2013 even increased to more than twice the quantity produced in March 2011, and the estimated Bakken Formation reserves were reported very large compared with those of the United Arab Emirates. It eventually makes a question to us of how much oil will be able to be actually extracted with currently available technologies. To answer this question, this paper forecasts future oil development trend in North Dakota using the Seasonal Autoregressive Integrated Moving Average (S-ARIMA) model. Nonstationarity derived from a stochastic trend and the abrupt structural change of oil industry was a big potential problem, but through the Quandt Likelihood Ratio test, we found break points, which allowed us to select a model fitting period suitable for the S-ARIMA method to provide accurate statistical inference for the historical period. The seven major oil producing counties were investigated to determine whether the current oil boom was consistent across all oil fields in North Dakota. Empirical estimates show that North Dakota’s oil production will be more than double in the next five years. What we can predict with great certainty is that North Dakota’s influence over domestic and global oil supply systems will increase in the near future, especially over the next five to six years. This is good news for those who are concerned about domestic energy security in the USA. 展开更多
关键词 Bakken FORMATION Forecasting NORTH Dakota OIL s-arima
下载PDF
基于S-ARIMA模型的无线通信网络业务量预测方法 被引量:4
2
作者 李文璟 陈晨 +1 位作者 喻鹏 熊翱 《北京邮电大学学报》 EI CAS CSCD 北大核心 2017年第S1期10-14,共5页
针对当前业务量预测方法过于理想化、预测准确度不高等问题,根据现网业务量特征提出了一种基于乘积季节自回归求和移动平均(S-ARIMA)模型的业务量预测方法.依据现网业务量的特征,详细分析了基于S-ARIMA的业务量预测建模的数学过程,经过... 针对当前业务量预测方法过于理想化、预测准确度不高等问题,根据现网业务量特征提出了一种基于乘积季节自回归求和移动平均(S-ARIMA)模型的业务量预测方法.依据现网业务量的特征,详细分析了基于S-ARIMA的业务量预测建模的数学过程,经过现网大量业务量数据验证,S-ARIMA模型相比其他模型方法在预测值和置信区间上均具有较好的结果,是一种合理有效的业务量预测方法. 展开更多
关键词 s-arima模型 时间序列 无线通信网 业务量预测
原文传递
基于ARIAM-GARCH深度学习的股价预测与决策
3
作者 刘祺 施三支 +1 位作者 娄磊 刘璐 《长春理工大学学报(自然科学版)》 2024年第1期119-130,共12页
对于绝大多数股民而言,大盘股具有投入成本高、损失大、资金流转慢等特性,为使得股民减少损失,提高收益,通过针对于中小企业股,采用两阶段的方法对股价进行了预测,给出了一种最优投资组合决策方法。第一阶段先用ARIMA-GARCH模型进行建模... 对于绝大多数股民而言,大盘股具有投入成本高、损失大、资金流转慢等特性,为使得股民减少损失,提高收益,通过针对于中小企业股,采用两阶段的方法对股价进行了预测,给出了一种最优投资组合决策方法。第一阶段先用ARIMA-GARCH模型进行建模,提取每日收益率的波动率,再将波动率加入到原有数据集中,构建CNN-BiLSTM-AT深度神经网络模型进行预测,最后使用XGBoost算法对预测值进行修正。第二阶段在给定投资者的期望收益率的条件下,用Bayes方法进行投资组合,获取最优投资决策。实证研究表明,此方法对于选取的10只中小企业股有着较好的研究结果。 展开更多
关键词 股价预测 ARIMA-GARCH模型 CNN-BiLSTM-AT XGBoost算法 BAYES方法
下载PDF
阿富汗地震R/S分形特征及地震活动性分析
4
作者 尚志 李己华 +6 位作者 张璐 申利远 刘婷婷 孙茂妤 王苹 黄淑芬 李静 《中国地震》 北大核心 2024年第2期447-457,共11页
地震的发生具有非线性特征,分形理论能够刻画地震时空分布特征及其变化过程。本文基于R/S分析方法确定阿富汗主要地震带的分形特征,利用ARIMA模型对兴都—库什山地震带可能发生的年度最大震级进行预测。R/S分析表明,兴都—库什山地震带H... 地震的发生具有非线性特征,分形理论能够刻画地震时空分布特征及其变化过程。本文基于R/S分析方法确定阿富汗主要地震带的分形特征,利用ARIMA模型对兴都—库什山地震带可能发生的年度最大震级进行预测。R/S分析表明,兴都—库什山地震带Hurst指数为0.9125,地震活动记忆周期为8年;苏莱曼山地震带Hurst指数为0.7281,地震活动记忆周期为9年。兴都—库什山和苏莱曼山地震带地震活动的变化趋势与历史变化一致,且兴都—库什山地震带的趋势延续性比苏莱曼山地震带更为显著。ARIMA模型预测结果显示,2022—2026年兴都—库什山地震带可能发生的年度最大震级分别为M_(b)6.2、M_(b)6.1、M_(b)5.8、M_(b)5.8和M_(b)6.1。 展开更多
关键词 阿富汗地震 R/S分形 HURST指数 ARIMA模型 地震活动性分析
下载PDF
广西盘龙铅锌矿涌水量时间序列变化特征分析及ARIMA预测 被引量:2
5
作者 吴卫忠 邓忠 +5 位作者 陈余道 卢丹美 陈盟 夏源 邹志坤 陆仁骞 《桂林理工大学学报》 CAS 北大核心 2023年第3期406-413,共8页
广西盘龙铅锌矿是一个岩溶大水量矿山,因毗邻珠江流域黔江河段,随着不断向深部开拓,坑道突水防治成为首要安全事务。根据该矿2010—2021年涌水量时间序列,运用统计学方法和重标极差法(R/S分析)对时间序列变化特征进行分析,并利用自回归... 广西盘龙铅锌矿是一个岩溶大水量矿山,因毗邻珠江流域黔江河段,随着不断向深部开拓,坑道突水防治成为首要安全事务。根据该矿2010—2021年涌水量时间序列,运用统计学方法和重标极差法(R/S分析)对时间序列变化特征进行分析,并利用自回归移动平均模型(ARIMA)开展涌水量预测。结果表明:盘龙铅锌矿涌水量序列总体上呈现右偏长尾、尖峰-平峰态和非平稳特征;年内序列Hurst指数为0.7801-0.9949,年内变化具有季节性特点;年际序列Hurst指数为0.7005,具有相对较弱的长程依赖性,与矿山开采深度加大和黔江蓄水影响有关。基于2010—2019年涌水量时间序列,用ARIMA模型预测2020年-120 m标高上段和下段的矿坑涌水量分别为4323.7和6274.0 m^(3)/h,与实测值误差分别为2.49%和3.14%。 展开更多
关键词 涌水量 时间序列 R/S分析 ARIMA模型 盘龙铅锌矿
下载PDF
钛矿资源禀赋及未来10年钛产品需求预测
6
作者 车东 张照志 +3 位作者 潘昭帅 王建平 赵元艺 邢恩袁 《中国地质》 CAS CSCD 北大核心 2023年第4期1058-1069,共12页
【研究目的】中国钛资源较丰富,但多为共生型原矿,品位低,主要以原生钛(磁)铁矿型的形式存在。中国作为钛矿消费大国,对未来钛资源消费量预测的研究具有重要意义。【研究方法】本文从钛矿资源产业链出发,在综合分析中国钛矿地质特征、... 【研究目的】中国钛资源较丰富,但多为共生型原矿,品位低,主要以原生钛(磁)铁矿型的形式存在。中国作为钛矿消费大国,对未来钛资源消费量预测的研究具有重要意义。【研究方法】本文从钛矿资源产业链出发,在综合分析中国钛矿地质特征、应用领域、工序现状和市场贸易的基础上,采用部门分析法、“S”形预测法、ARIMA预测方法,对2021—2030年钛的消费量进行预测。【研究结果】根据预测结果得出如下认识:(1)中国钛白粉和钛精矿(TiO2)的消费量将在2027年达到顶峰分别为302.12万t和479.1万t;(2)海绵钛的消费量将在未来10年保持继续增长的趋势。【结论】通过展望钛矿资源产业发展方向,提出了确保钛矿产品稳定供应,引进先进技术和工艺装备,推动产业各环节的技术创新,将更高的环境和治理标准纳入生产环节中等对策建议。 展开更多
关键词 钛矿 消费结构 需求预测 “S”形预测法 灰色模型预测 矿产勘查工程
下载PDF
基于R软件的金融时间序列的预测分析
7
作者 李瑞阁 庄元颖 李聪聪 《电子技术与软件工程》 2016年第20期80-81,共2页
时间序列分析作为股票市场波动预测的重要工具,逐渐成为金融领域较常用的预测方法之一。本文利用R软件对上证综指和深证成指进行如下分析:根据上证指数收盘价的变动情况及其非平稳性和季节性特征建立包含季节因素的S-ARIMA模型,该模型... 时间序列分析作为股票市场波动预测的重要工具,逐渐成为金融领域较常用的预测方法之一。本文利用R软件对上证综指和深证成指进行如下分析:根据上证指数收盘价的变动情况及其非平稳性和季节性特征建立包含季节因素的S-ARIMA模型,该模型较准确地描述和预测收盘价,实用性较强;对比剖析了上证综指和深证成指的收益率变动情况,针对其统计特性建立了相应的GARCH模型,得出了两指数收益率波动有时变性,簇集性,相关性等特征,模型拟合结果准确率较高。 展开更多
关键词 时间序列分析 股票波动预测 s-arima模型 GARCH模型
下载PDF
我国股价指数的时间序列模型研究 被引量:7
8
作者 黄永兴 《安徽工业大学学报(自然科学版)》 CAS 2002年第4期336-339,共4页
基于收盘上证指数和深证成指的实际数据资料,利用SAS/ETS软件,采用赫斯特(H.EHurst)提出的R/S分析方法,在论证了我国证券市场为持久性随机过程的基础上,建立了沪深两市的AR-EGARCH模型。指出,就目前我国证券市场而言,AR-EGARCH模型要比A... 基于收盘上证指数和深证成指的实际数据资料,利用SAS/ETS软件,采用赫斯特(H.EHurst)提出的R/S分析方法,在论证了我国证券市场为持久性随机过程的基础上,建立了沪深两市的AR-EGARCH模型。指出,就目前我国证券市场而言,AR-EGARCH模型要比ARIMA模型更适合于描述沪、深两个证券市场的股价指数序列变动的非线性规律。 展开更多
关键词 时间序列模型 股价指数 R/S分析 ARIMA模型 AR-EGARCH模型 中国 股票市场
下载PDF
3种模型在肺结核发病率预测中的比较研究 被引量:8
9
作者 魏星 丹子军 +1 位作者 商斌 王文桥 《北京医学》 CAS 2010年第9期744-747,共4页
目的对GM(1,1)模型、霍尔特双参数指数平滑预测模型和ARIMA模型在肺结核发病率预测中的效果进行比较。方法利用1980-2007年北京市肺结核的发病率分别建立GM(1,1)灰色预测模型、霍尔特双参数指数平滑预测模型和ARIMA模型,对建立的模型进... 目的对GM(1,1)模型、霍尔特双参数指数平滑预测模型和ARIMA模型在肺结核发病率预测中的效果进行比较。方法利用1980-2007年北京市肺结核的发病率分别建立GM(1,1)灰色预测模型、霍尔特双参数指数平滑预测模型和ARIMA模型,对建立的模型进行拟合。比较3个模型的拟合效果,同时利用ARIMA模型对2008年北京市的肺结核发病率进行预测。结果针对北京市肺结核发病率建立的GM(1,1)模型、霍尔特双参数指数平滑预测模型和ARIMA模型的平均误差率(MER)分别为15.11%、9.51%、9.52%,决定系数R2分别为0.935、0.964、0.969。结论 ARIMA模型对于隐含波动周期并且不稳定的循环型时间序列拟合效果优于GM(1,1)模型,对解决时间序列类型的肺结核发病率等资料有很好的实用价值。 展开更多
关键词 肺结核 GM(1 1)模型 霍尔特双参数指数平滑预测模型 ARIMA模型 预测
下载PDF
基于ARIMA模型的环境监测系统设计与实现 被引量:3
10
作者 王鹏 徐圣法 +2 位作者 刘杰强 李田甜 王海江 《计算机测量与控制》 2020年第11期27-31,36,共6页
运载火箭存储发射过程中,推进剂的加注、转注、存储和发射,都可能存在泄漏安全问题[1];一旦发生泄漏事故,推进剂的易燃、易爆、毒性和腐蚀性特点,将引发不良的后果,严重影响试验任务[2-3];文章提出的环境监测系统,采用B/S架构设计,通过... 运载火箭存储发射过程中,推进剂的加注、转注、存储和发射,都可能存在泄漏安全问题[1];一旦发生泄漏事故,推进剂的易燃、易爆、毒性和腐蚀性特点,将引发不良的后果,严重影响试验任务[2-3];文章提出的环境监测系统,采用B/S架构设计,通过在关键位置布置的高精度传感器,实时采集发射区周边环境信息,运用大数据分析技术和ARIMA模型,实现了对发射区推进剂泄漏状况、环境健康状况、空调设备运行状态和人员健康状态监测预警,预判推进剂浓度变化趋势及扩散情况;经实际应用,该系统能有效降低试验任务的风险系数,符合运载火箭存储环境在平时与应急两种状态下的监测与评估功能要求,满足发射场工作环境智能化监测预警建设需求,具有一定的推广价值。 展开更多
关键词 环境监测 推进剂 ARIMA模型 B/S架构
下载PDF
2015—2050年中国人口老龄化趋势与老年人口预测 被引量:167
11
作者 陈艳玫 刘子锋 +1 位作者 李贤德 黄奕祥 《中国社会医学杂志》 2018年第5期480-483,共4页
目的预测2015—2050年中国人口老龄化趋势与老年人口数。方法以1994—2010年我国年龄别、性别死亡率数据构建ARIMA预测模型,预测2011—2050年间我国年龄别、性别死亡率,根据公式得到2015—2050年每5年年龄别、性别存活率预测值,据此再利... 目的预测2015—2050年中国人口老龄化趋势与老年人口数。方法以1994—2010年我国年龄别、性别死亡率数据构建ARIMA预测模型,预测2011—2050年间我国年龄别、性别死亡率,根据公式得到2015—2050年每5年年龄别、性别存活率预测值,据此再利用2010年全国第6次人口普查数据构建人口年龄移算模型,预测出2015—2050年间中国分年龄、分性别的老年人口数。结果 2015—2050年,我国老年人口总量呈递增趋势,其中2020—2030年期间的增长速度最快,为老龄化高速发展期;年龄段越高,女性老年人口占比越高;80岁及以上高龄老年人在老年人口总量中的比重逐年增加且增速加快。结论政府和社会各界都必须积极应对人口老龄化,提早制定相应的老年人保障对策,以应对老年人口在健康需求和医疗服务等各方面的需求,构建养老、孝老、敬老政策体系和社会环境,推进医养结合工程。 展开更多
关键词 人口老龄化 ARIMA模型 年龄移算模型 中国老年人口 预测
下载PDF
时间序列分析在大气环境中的应用 被引量:4
12
作者 樊敏 顾兆林 《环境工程》 CAS CSCD 北大核心 2009年第S1期540-542,共3页
以西安市2004—2008年PM10月平均浓度时间序列为例,应用小波分解和重构对PM10浓度时间序列的变化进行了分析,得到了PM10的年变化趋势和突变特征。将时间序列平稳化预处理后,根据时间序列的自相关和偏自相关图进行判断,得到合适的时间序... 以西安市2004—2008年PM10月平均浓度时间序列为例,应用小波分解和重构对PM10浓度时间序列的变化进行了分析,得到了PM10的年变化趋势和突变特征。将时间序列平稳化预处理后,根据时间序列的自相关和偏自相关图进行判断,得到合适的时间序列模型ARIMA(1,1,1)(2,0,0)S,然后进行参数估计得到模型的各个参数。利用得到的模型对2009—2010年西安市PM10浓度值进行预测,研究结果表明,将小波分析和ARIMA(1,1,1)(2,0,0)S应用于大气污染物浓度时间序列的分析是可行的。 展开更多
关键词 PM10 时间序列 小波分析 ARIMA(1 1 1)(2 0 0)S模型 预测
原文传递
基于海南省旅游人数的数学建模
13
作者 胡晓华 《数学的实践与认识》 CSCD 北大核心 2010年第18期21-29,共9页
使用两种不同的建模方法,研究了海南省2002-2009年的月度旅游人数,并建立了相应的数学模型.方法一利用微分方程结合传统时间序列分解法和自回归分布滞后模型;方法二利用ARIMA(p,d,q)(P,D,Q)^s 模型.通过比较两种不同的方法,... 使用两种不同的建模方法,研究了海南省2002-2009年的月度旅游人数,并建立了相应的数学模型.方法一利用微分方程结合传统时间序列分解法和自回归分布滞后模型;方法二利用ARIMA(p,d,q)(P,D,Q)^s 模型.通过比较两种不同的方法,最终选出最优预测模型. 展开更多
关键词 微分方程 时间序列分解法 自回归分布滞后模型 ARIMA(p d q)(P D Q)^s 模型
原文传递
乘积季节性ARIMA模型在重症监护病房医院感染发病率预测中的应用 被引量:10
14
作者 王清青 范馨月 +8 位作者 李凌竹 游灿青 陈璐 杨俊林 罗光英 王敏 黄冰 程永素 查筑红 《中国消毒学杂志》 CAS 2018年第6期432-435,共4页
目的研究乘积季节性ARIMA(p,d,q)×(P,D,Q)s模型在重症监护病房医院感染发病率预测中的应用价值。方法通过收集某医院重症监护病房(ICU)医院感染发病率,建立乘积季节性ARIMA(p,d,q)×(P,D,Q)s模型,对重症监护病房医院感染发病... 目的研究乘积季节性ARIMA(p,d,q)×(P,D,Q)s模型在重症监护病房医院感染发病率预测中的应用价值。方法通过收集某医院重症监护病房(ICU)医院感染发病率,建立乘积季节性ARIMA(p,d,q)×(P,D,Q)s模型,对重症监护病房医院感染发病率进行预测。结果 ARIMA(1,1,1)×(1,1,1)s能够较好的拟合该院重症监护病房医院感染发病率情况。此模型医院感染发病率实际值与预测值的吻合程度较高,平均相对误差为0.82%。结论 ARIMA(1,1,1)×(1,1,1)s能够较好地拟合该院重症监护病房医院感染发病率情况,可为医院感染的整体监控提供参考依据。 展开更多
关键词 重症监护病房 医院感染 乘积季节性模型 预测
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部