基于X-11-ARIMA模型在GNSS定位数据后处理的应用

定位数据分析及后处理是卫星导航定位系统在测绘和地灾监测应用中的关键环节.通常,在卡尔曼滤波处理定位数据后得到的平滑数据,能够剔除噪声干扰得到贴近真值的数据.但在长时间跨度的情况下,周期性发生的干扰难以在短时间内被识别和滤除,从而反映为一种频率较低的噪声波动.假设该波动干扰存在周期性,以X-11分解时间序列分析方法进行数据处理,平滑后定位数据的方差从4.733减小至2.683,精度提高了43.3%.并对拆分数据进行差分自回归移动平均模型(ARIMA)建模预测.还原数据对比直接预测数据的分析结果表明:拆分后分别预测再整合还原精度高于直接预测5%~10%,可以应对平滑处理实时性差的问题.

X-11-ARIMA模型在麻疹疫情预测中的应用研究

探讨X-11-ARIMA方法在我国麻疹疫情的季节波动分析和短期预测中的应用,为及时采取预防措施提供理论依据.基于2004-2015年我国麻疹月发病人数数据,运用ARIMA乘积季节模型分析麻疹流行趋势并进行短期预测,运用X-11方法分析其季节波动和长期趋势.麻疹月发病人数带有稳定的季节效应,每年的4、5月份为麻疹高发期,9月至11月处于发病低谷期.X-11-ARIMA可用于麻疹发病的季节波动分析和短期预测.

Prophet-X-12-ARIMA组合模型及交通运输量预测

由于受到经济社会因素的影响,交通运输量数据具有趋势多变及季节性明显的复杂特征。现有的预测模型,如X-12-ARIMA模型、ARIMA模型和Prophet模型等的预测准确性有待改进。文章构建Prophet-X-12-ARIMA组合模型,综合了Prophet模型灵活拟合趋势成分的优势以及X-12-ARIMA模型能准确分解出季节成分的优点。采用该模型预测某城市的七种交通运输量序列,结果显示Prophet-X-12-ARIMA组合模型的半年度和年度预测效果明显优于Prophet模型、X-12-ARIMA模型及ARIMA模型。进一步研究发现,当原始序列趋势变化剧烈时,Prophet-X-12-ARIMA组合模型的预测效果更优。

基于X-11-ARIMA方法的取暖油价格季节性波动分析

本文详细介绍和分析X-11-AR IMA季节调整方法,为进一步研究和应用季节调整方法提供有益的探索。利用X-11-AR IMA方法分析国际取暖油价季节性波动,探讨油价运动规律,为我国进口石油提供决策支持。

中国粮食价格波动特征研究——基于X-12-ARIMA模型和ARCH类模型

以小麦和大豆为例,研究2002年1月至2012年6月中国粮食价格波动特征。首先利用X-12-ARIMA模型对价格序列进行季节调整,然后运用ARCH类模型对剥离季节因素的价格序列进行波动分析。结果发现:中国粮食价格季节性波动逐年减弱;粮食价格具有明显的波动集簇性,前期价格波动和外部冲击对后期价格的影响具有持续性;粮食市场不存在"高风险、高回报"特征;小麦价格波动的非对称性不显著,而大豆价格波动则呈现明显的非对称特征,且上期价格上涨信息引发的波动要大于下跌信息。

x-11-ARIMA过程在痢疾疫情预测中的应用研究

目的探寻江苏省痢疾疫情的季节分布规律,为及时采取预防措施提供理论依据。方法应用x-11-ARIMA过程分析江苏省2000年至2012年的痢疾月度数据,采用SAS软件将时间序列数据拆分成长期趋势起伏T,季节波动S,不规则波动I三个部分。结果痢疾发病带有一定季节性,每年重复进行,趋势大体相同;每年的7、8月份为痢疾高发期,12月至次年的3月份处于发病低谷期;2000-2005年季节因子波动振幅较大,而后随时间推移有减弱的趋势。结论痢疾的发生比较稳定,x-11-ARIMA模型分析其季节分布规律有较好的科学性和实用性。

基于X-12-ARIMA模型的中国粮食消费价格运行

粮食价格与人们的实际生活成本和收入水平息息相关,甚至影响整个国民经济的发展。文章用X-12-AR IMA季节调整模型对中国1997年1月至2009年12月的粮食消费价格月度定基指数进行分解,并得到趋势循环、季节和不规则因素;通过所得异常值和趋势对我国粮食价格发展阶段进行科学划分;通过分解后的季节因素分析其季节特征,并探究它们的深层成因。结果表明:模型具有非常好的分解效果;粮价有明显的趋势和季节运行特征;粮食价格波动成因很好地解释其运行特征。文章为把握我国粮食价格运行、制定相关政策提供科学依据。

基于改进X-12-ARIMA的电煤需求预测模型与实证研究

考虑中国春节、端午、中秋等移动假日效应,对美国人口普查局开发的X-12-ARIMA模型进行了改进和实证分析。结果表明,中国电煤消费量具有显著的季节性特征,每年11—12月为消费最高峰,7—8月为消费小高峰;基于改进X-12-ARIMA模型对2013年1、2和3月份的电煤需求预测精度分别为96.6%、95.1%和93.7%,具有较好的短期预测能力。

基于X-12-ARIMA和AR-GARCH模型的房价波动研究

以SAS软件为工具,以2007年1月至2015年6月北京市新建住宅价格指数序列为样本,构建时间序列模型进行实证研究.结果表明,基于X-12-ARIMA模型和AR（2）-GARCH（1,1）模型的复合模型是拟合房价的最优模型.房价序列存在明显的季节特征和典型的波动聚集性,X-12季节调整方法和异方差模型显著有效,拟合相对误差不超过0.4%.对房价的短期预测表明,近期内房价仍保持3%~5%的增长态势,且外部因素对房价的影响程度远远大于房价自身的波动冲击力.

Holt-Winters模型与X-11模型在预测中的比较研究

以实际数据为例,对一时间序列分别建立Holt-Winters模型与X-11模型并进行预测。从而对这两种统计模型进行比较研究,得出对于既有趋势又有季节性的时间序列进行预测X-11模型优于Holt-Winters模型。

季节性时序模型X-11方法及其应用研究

本文对X-11方法作了分析,利用这些分析结果,可以对其他的季节性时间序列进行分析预测。对用X-11进行预测的方法进行了分析,并提出了补充两端数据进行预测的方法,通过实例说明,这种预测方法精度较高。

基于四类时间序列模型的GDP预测效果比较

文章基于1992—2020年的季度GDP数据,实证分析了新冠肺炎疫情事件的异常影响效应,探讨了两大重要分解因素——季节因素和趋势因素之间极强的交互性。根据GDP序列的特点,分别选取三参数指数平滑乘法模型、SARIMA(1,1,1)×(0,1,1)4模型、阶梯干预模型和X-12-ARIMA模型进行建模,并依据MAPE等评价指标,得到了相对最优拟合模型——X-12-ARIMA模型。预测结果显示,我国具有良好的经济发展前景。

基于X-12-ARIMA模型的公路运价季节性波动影响研究

随着我国铁路货运价格逐步放松管制,分析和借鉴公路货运价格的季节性波动规律,有助于铁路运输企业制定和实施合理的价格策略,提高市场应对能力。X-12-ARIMA模型能够有效计算和提取时间序列中的季节性因素并测度该因素对序列波动的影响程度。以北京到上海13m整车、零担轻货公路运输价格为例,通过建立X-12-ARIMA模型,对公路运价时间序列中的季节性因素进行提取和分析,并根据季节性因素变化百分比的方差相对贡献度判断其影响程度。结果表明,公路运价的短期波动主要受季节性因素的影响,季节性变化规律显著。

X-11过程和ARIMA模型在煤炭企业物料需求预测中的应用研究

煤炭企业物料需求影响因素多而复杂,物料需求时间序列往往不平稳,如果采用较高的库存水平来应对非平稳需求会造成大量库存资金占用,从而影响企业经济效益。因此,如何准确有效地预测需求是非常重要的。文章以煤炭企业物料胶质线为例,采用ARIMA模型和X-11过程对其历史需求数据建模预测,结果表明运用ARIMA模型和X-11过程相结合建模预测能大大减小误差,提高预测的精确性,从而可以大大节约库存成本。

ARIMA模型和X-11过程在农民人均现金收入预测中的应用研究

本文通过对我国2000—2014年的农民现金收入季度数据进行时间序列建模,利用ARMA模型和X-11过程来分析预测短期内我国农民现金收入的变动趋势,为短期内预测我国农民现金收入提供有效参考。

X11-ARIMA模型在全国手足口病发病数预测中的应用

X11-ARIMA模型是精确的时间序列预测方法之一。本文结合SAS9.4软件应用X11-ARIMA模型对全国2008~2018年的手足口病(hand-foot-mouth disease,HFMD)月发病数进行建模分析,根据所建立的最优模型对2019年1~6月的发病数进行预测,再与实际值相比较,通过预测的误差相对绝对值判断,检验模型的预测可靠性。进而通过该模型预测2019下半年手足口病的月发病数,对预测结果具体分析,提前为手足口病的防治措施的制定提供依据。

基于优化X-12-ARIMA模型的船舶交通流量预测

月度船舶交通流量数据具有较强的季节性,在提高数据预测精准度的同时,应提取其季节波动和长期趋势加以分析,而不是单纯预测未来发展趋势.为从数据中获得更多有效信息,利用时间序列ARIMA模型对原始数据进行拟合,使用残差平方和、均方根误差、AIC函数和SBC函数衡量模型拟合效果,选取局部最优模型.经比较后,选取X-12-ARIMA季节乘法模型拟合月度船舶交通流量数据,得到了季节波动、长期趋势和不规则变动随时间而发生的变化,并预测了未来12期的船舶交通流量.在此基础上,调用径向基神经网络函数对数据进行仿真研究.结果表明,采用优化的X-12-ARIMA模型预测船舶交通流量时,预测精度有了较大提高.

基于X-12-ARIMA方法的武汉市空气污染指数波动分析

空气污染指数(API)用于表征区域空气污染程度和质量状况,其变动存在长期趋势、季节效应及随机扰动效应等特征。为探索API的波动规律,以武汉市2001—2012年API为例,进行X-12-ARIMA季节调整方法下的API演变趋势及内在规律探究。结果表明:在研究期内,武汉市API的变化受趋势成分的影响作用为85.2%;API月度及季节性变化显著;冬、春季节空气质量较差且变化不规则。最后,依据研究结果为武汉市空气环境质量的改善提出了建议。

中国畜产品价格的实证分析——基于季节调整模型与两阶段协方差方法

本文以2001年1月—2014年5月的畜产品价格为研究对象,利用X-12-ARIMA季节调整模型分析影响畜产品价格波动的相关因素,并利用协方差计算季节性影响、长期周期性影响、不规则影响对畜产品价格波动的贡献程度,进一步利用两阶段协方差纵向对比分析各影响因素贡献度的变化,最后发现长期驱动因素和季节性因素是中国畜产品价格波动的主要因素;从纵向对比来说,鸡蛋、鸡肉、猪肉价格的不规则影响因素的影响作用在减弱,鸡肉、猪肉价格的季节性影响因素的作用在减弱。

基于春节因素的中国铁路月度客运量季节调整模型研究

春节是我国移动假日之一,对运输、经济和旅游影响显著,特别是对铁路客运量影响巨大。使用移动假日效应和Genhol程序思想,改进前人"移动假日对客运量的影响是均匀变化"的认识,设计移动假日对客运量影响是μ型双峰变化过程,基于X-12-ARIMA模型,建立适合中国铁路客运量的三时段春节季节调整模型。结果显示:春节效应显著,节前、节中和节后影响程度不同。模型调整曲线光滑程度高,调整质量Q统计量值为0.340。运用该模型对2012年月度客运量估算分析,相对误差为4.2%。