简介：大多数经济时间序列存在惯性或者说是迟缓性，通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。用ARMA模型可以对天津人均国内生产总值（1978—2004）时间序列进行建模和短期外推预测。

简介：为了解济南市未来降雨的变化情况,以济南市1959~2015年降雨量数据为研究对象运用SPSS软件中时间序列模型ARIMA对其进行了建模;拟合1959~2015年的降雨量数据及预测未来5年的降雨量。ARIMA模型预测结果表明了济南市2016~2020年的年降雨量依次为676.5,635.5,689.8,630.7,663.3mm,5年的年平均降雨量为659.2mm,这与过去57年的多年平均降雨量较为接近,可以依此推测济南市未来5年出现干旱及洪涝灾害的可能性较小。可以看出,影响ARIMA模型预测结果的因素有很多,为了更加精准地预测降雨量,应当考虑多种要素并结合当地具体环境,建立符合当地的降水量预测模型。

简介：

简介：摘要：本研究旨在探究铁路工程材料成本波动中的价差系数，采用时间序列分析技术构建模型，分析材料成本预测的精确性。通过深入理解价差系数的含义，结合时间序列的核心原理，本文提出了一个结构清晰的预测模型。模型建立后，针对性地选用了适宜方法进行验证。实证分析中，ARMA组合模型应用于价差系数的预测，显示出良好的预测能力，将为铁路工程材料成本管理与风险规避提供科学依据。

简介：摘要以IGS中心提供的2010-2014年的电离层总电子含量(TEC)数据作为实验数据，利用ARIMA模型对TEC进行分析以及短期预报，主要分析ARIMA模型在不同时空环境下的预报精度以及ARIMA模型在中国地区的适用情况。结果表明ARIMA模型预报5d的平均相对精度为86.7%，平均绝对偏差为1.83TECu，且该模型在中国地区的预报精度较高。

简介：

简介：【摘要】随着经济、社会和工业的飞速发展，用电的需求量迅速增长，电力行业也逐渐成为影响全球社会经济发展地位的重要的因素，不准确的需求预测增加了电力行业的运行成本，特别是在市场环境中，精度即意味着金钱，准确的电力需求预测是有价值的。论文以某市为例，利用某市用电量的相关数据，分别应用移动平均法、时间序列法建立模型并对模型进行预测和分析，并对其进行了预测与分析，再通过对这两种预测方法分别赋予不同的权重建立加权组合预测模型来改进预测误差，通过比较分析得出加权组合模型预测的精度更高。

简介：本文利用马氏化方法和一般状态空间马氏链的基本理论研究了一类带随机延滞的时间序列模型的遍历性，得到了该模型伴随几何遍历的一个判别准则．

简介：为了深入了解出入境旅游对我国旅游经济增长的影响，根据WTTC提供的TSA数据，运用Eviews5构建了旅游服务贸易与旅游经济增长的ECM模型，并进行了Granger因果关系检验，结果发现：旅游服务贸易在长期内能够促进旅游经济的增长，但短期内对旅游经济增长的促进作用不明显；入境旅游与旅游经济增长之间并不存在Granger因果关系；出境旅游对旅游经济增长的促进作用受到较多条件的制约，其对旅游经济的Granger因果关系表现出不确定性。

简介：通过对山西省1991-2013年能源消费时间序列进行分析,建立了ARIMA(1,1,1)模型,并对2014-2018年山西省能源消费进行预测,结果显示模型拟合度高,预测误差小。

简介：【摘要】目的 研究时间序列分析在肺结核发病趋势预测中的应用，分析新冠肺炎疫情对模型发病趋势预测的影响，为肺结核防制策略制定提供科学参考依据。方法 以2010-2019年南京市建邺区肺结核月报告发病数建立时间序列模型，原始序列经平稳化处理和季节差分后，对模型参数定阶并估计参数，建立ARIMA模型进行拟合验证和外推预测。结果

简介：摘要目的比较常见时间序列模型应用于新型冠状病毒肺炎（COVID-19）疫情预测的效果。方法收集2020年4月1日至9月30日美国、印度和巴西3个国家COVID-19每日确诊病例数，分别建立差分自回归移动平均（ARIMA）模型和循环神经网络（RNN）模型，使用平均绝对百分比误差（MAPE）和均方根误差（RMSE）等指标，比较不同模型预测9月21-30日确诊病例的表现。结果应用ARIMA模型预测美国、印度和巴西疫情的MAPE分别为13.18%、9.18%和17.30%，RMSE分别为6 542.32、8 069.50和3 954.59；应用RNN模型预测美国、印度和巴西疫情的MAPE分别为15.27%、7.23%和26.02%，RMSE分别为6 877.71、6 457.07和5 950.88。结论ARIMA和 RNN模型的COVID-19预测效果存在地区差异，ARIMA模型的预测效果在美国和巴西较优，而RNN模型的预测效果在印度较优。

简介：摘要目的探讨时间序列模型在上海市肿瘤患者医院感染发病率预测中的应用，为医院感染的早期预警和防控提供参考。方法基于2013年至2018年上海市某三级甲等肿瘤专科医院住院患者的医院感染发病率数据，应用SPSS 22.0统计软件构建自回归求和移动平均(autoregressive integrated moving average，ARIMA)模型和指数平滑模型，通过比较两种模型的拟合精度，确定最优拟合模型。以2019年1月至6月的医院感染发病率数据作为验证数据集，评价模型的预测效果。结果2013年至2018年共监测379 477例住院患者，其中3 170例发生医院感染，总感染率为0.84%。霍尔特-温特相加法模型为拟合最优模型(R2＝0.82)。应用霍尔特-温特相加法模型预测2019年1月至6月的医院感染发病率，预测值和实际值动态趋势较一致，平均相对误差为15.22%。结论霍尔特-温特相加法模型能较好地拟合和预测肿瘤患者医院感染的发生趋势，可为肿瘤专科医院感染的监测预警提供依据。

简介：摘要：本文主要使用统计学方法与时间序列预测模型并采用智能算法对蔬菜类商品的品类、单品销售规律和定价补货策略进行研究。为了方便处理数据和合并数据，首先对数据进行预处理，再采用线性回归、逐步回归分析探究销售总量与成本加成定价的关系，通过分析得出采用时间序列预测模型预测日补货总量和定价策略，代入python实现遗传算法解决商超收益最大化问题。

简介：摘要：白酒行业是食品行业的一大重要分支，在国民经济行业中拥有重要的地位。以四川省宜宾五粮液集团有限公司为例，对其五粮液销售总额数据建立时间序列预测模型，反映消费者对于五粮液品牌的追求和认可度，预测未来市场环境变化，制定销售策略调整计划。

简介：摘要：时间序列分析是一种定量分析和研究事物发展变化规律的方法，属于统计学。随着时间推移观测得到的一系列数据称为时间序列，本文通过 GNSS-RTK 技术采集相关观测数据，并经过分析研究建筑物的变形情况

简介：目的应用时间序列模型分析与预测湖南省君山区血吸虫病疫情变化趋势,为湖沼型血吸虫病的控制与消除提供科学依据.方法收集1996-2016年湖南君山区的血吸虫的疫情数据,绘制湖南省君山区20年来的人群、家畜血吸虫感染率的时序图,对君山区的人群、家畜血吸虫感染率进行ARIMA模型拟合,并预测2017-2020年人群、家畜血吸虫感染率的变化趋势.结果君山区1996-2016年疫情呈下降趋势,人群感染率下降94.86%;家畜感染率波动大,至2016年家畜感染率降为0.时间序列分析显示,人群血吸虫感染率最优拟合模型为ARIMA（0,1,0）模型,家畜血吸虫感染率最优拟合模型为ARIMA（1,0,0）模型,两个模型实际值均处于预测值95%CI内,拟合模型具有统计学意义（P〈0.05）.2017-2020年预测值显示,人群感染率持续维持在低流行状态,而家畜感染率呈现反弹上升.结论君山血吸虫病疫情处于历史最低水平,但需持续加强传染源控制,严防疫情反弹.

简介：

简介：摘要：社会消费品零售总额是拉动我国国民经济增长的重要力量。以成都市为例，对其社会消费品零售总额数据建立时间序列预测模型，反映当地居民生活消费水平，预测未来市场环境变化，制定经济结构调整计划。

简介：摘要：社会消费品零售总额是拉动我国国民经济增长的重要力量。以成都市为例，对其社会消费品零售总额数据建立时间序列预测模型，反映当地居民生活消费水平，预测未来市场环境变化，制定经济结构调整计划。