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.     

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PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.     

福建省物流产业与相关产业的灰色关联度研究

本文使用灰色综合评价模型对福建省物流产业和相关产业的关联度进行了研究,通过历史数据得出了物流产业与相关产业关联度都比较大,尤其是工业、农业、批发零售贸易、餐饮业、建筑业和房地产业,而这些部门又恰好是国民经济的重要部门.因此得出结论,福建省要发展经济必须要高度重视物流业的发展.     

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.     

秦皇岛市发展第三产业政策取向分析

通过对秦皇岛市第三产业发展态势分析,确定第三产业发展的政策取向为:大力发展金融保险业和社会服务业,把旅游业培育成支柱产业;重点培育科研、教育、房地产业成为新的经济增长点;优化发展交通运输仓储和邮电业,以及批发零售贸易餐饮业。     

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.     

基于ARIMA模型的我国石油价格预测分析

石油价格波动较为复杂,不确定性影响因素较多。ARIMA模型是将预测对象随时间推移而形成的数据序列视为一个随机序列并加以描述,被广泛地应用于对高频金融时间序列建模,它能较好地把握此类时间序列的动态规律。在利用ARIMA模型对我国1997年以来大庆石油价格进行拟合,短期预测结果模拟值与实际值十分接近,预测效果良好。     

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。     

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。