石油价格的组合预测研究

石油价格的预测研究具有重要的意义。近年来的研究表明,组合预测比单项预测具有更高的预测精度。本文提出一种利用ARIMA和神经网络进行组合预测石油价格的方法,结果表明这种方法相对于单一的预测方法具有更高的精度,对于复杂时间序列的分析和预测有很好的应用价值。     

时间序列分析方法及人民币汇率预测的应用研究

在简要介绍时间序列模型的基础上，使用人民币／美元的日汇率值进行实证研究，建立相应的ARIMA模型和EGARCH模型并进行预测和评价。研究结果表明，EGARCH模型的预测结果较ARIMA模型理想，适合描述人民币／美元汇率的变动趋势。     

ARIMA模型在批发和零售贸易餐饮业预测中的应用

运用时间序列分析方法之一的单整自回归移动平均模型(ARIMA)法,对全国批发和零售贸易餐饮业进行时间序列分析.分析显示,ARIMA(1,1,10)模型可以提供较准确的预测效果,可以为全国批发和零售贸易餐饮业预测提供一定的依据.     

基于ARIMA模型的山东省月降水量时间序列分析

采用SAS和SPSS软件,结合相关的数学统计方法和时间序列分析方法,运用ARIMA模型进行建模,分析了山东省境内2000年到2009年的月降水量的变化趋势,对2010年的月降水量数据进行预测并与真实值进行对照.结果表明ARIMA模型在短期预测中能起到一定作用,所预测结果均在95%的置信区间内.     

基于ARIMA模型的2009年山东省手足口病疫情分析及预测

对山东省2009年第13周至第35周(3月30日至8月30日)手足口病发病数作时间序列分析,应用 SPSS软件建立 ARIMA模型,并对预测效果进行评价.结果表明ARIMA (0,2,1)模型很好地拟合了既往时间段上的手足口病发病率序列,发病率的预测值符合实际发病率变动趋势.     

基于ARIMA模型的期货价格分析与预测

随着国内期货市场的发展，使得人们对期货价格的走势、分析和预测的关注越来越多。利用ARIMA模型能对期货价格进行较为精确预测，在此基础上提出模型的关键部分平稳性检测上用ADF检验来对时间序列的平稳性和d值的大小进行确认。在P值和q值的确认上提出了枚举法来确定最优的预测组合，进而对期货价格进行了更为精确的预测。     

基于ARIMA模型的安徽省入境旅游人数预测

入境旅游预测是旅游统计学一个重要的研究方向。以1995—2010年安徽省旅游业中入境旅游人数为依托,运用SPSS软件提供的时间序列模块,建立差分自回归移动平均模型(ARIMA)对入境旅游人数进行预测,实证结果表明:该方法能够对入境旅游人数进行有效预测,在没有特殊影响因素下,模型拟合结果接近实际值。     

陕西省人口总量时间序列的ARIMA模型

人口研究、预测和控制是关系国计民生的大事。对全国人口总量时间序列模型,已进行了一定的研究,对陕西省人口总量时间序列模型尚未研究。通过研究陕西省人口总量时间序列(1949~2006年),应用B-J法建立了ARIMA模型。为人口预测和控制提供简单易行的统计方法。     

基于ARIMA模型的锦州市粮食产量预测研究

本文采用时间序列方法,分析了2000-2012年锦州市粮食产量时间序列的统计特征,通过平稳性及相关性的分析,对锦州市粮食产量的一阶差分序列构建了ARIMA（2,1,（3））模型,同时利用所建模型对锦州市粮食产量进行了相应的预测。     

基于BP神经网络误差修正的ARIMA模型对河北省入境游客量的预测

分析了影响河北省入境游客量的因素,如旅游资源、区位、管理和营销能力等,在此基础上,对入境游客量的时间序列预测方法及回归分析预测方法等做了比较分析,提出运用ARIMA时间序列方法预测河北省入境游客量,并利用BP神经网络方法完成对河北省入境游客量预测数据的误差修正,得出符合河北省实际的入境游客量预测模型,预测的结果表明所得基于BP神经网络误差修正的ARIMA模型是可行的、有效的,得出的河北省实际入境游客量是比较准确的、合理的.