“十三五”时期中国粮食产量的预测研究

从中国粮食产量的历史趋势中找出规律,寻找适当模型为政府进一步制定相关的农业改革政策提供参考。以1949—2014年中国粮食产量数据作为建模样本,运用EViews 6.0,建立中国粮食产量的ARIMA模型。建立了ARIMA)0,1,1(模型,并对样本数据进行拟合预测,经检验拟合效果较好,预测精度较高。模型预测效果显著,具有现实意义。     

LSTM和Prophet模型在肺结核发病数预测中的应用

为预测肺结核发病数,建立了两种能够较为精确描述以及预测肺结核发病数的模型.根据中国疾控中心提供的2007年7月至2019年6月肺结核发病数的数据,运用LSTM模型和Prophet模型对中国肺结核发病数进行预测,并将该两种模型的预测性能与ARIMA、GM(1,1)模型进行对比.结果表明,Prophet模型预测性能最佳,其MAE值与RMSE值分别为5 124.33、5 905.32,LSTM模型预测性能次之,ARIMA模型预测性能最差.     

时间序列模型在婴儿潮分析中的应用

本文利用时间序列分析线性模型中求和自回归移动平均模型(ARIMA)和统计学软件SPSS,选用1947-2014年新生儿人口数据为参考数据序列,通过参数检验与残差分析验证ARIMA模型在人口预测分析上的可靠性.模型的拟合与实证分析说明时间序列分析在人口预测问题上的有效性,可对中国婴儿潮做短期预测.本文还对2015年到2030年新生儿人口数进行统计分析,预测第四次婴儿潮的到来.这将给社会计划生育、教育、交通等方面提供重要参考数据.     

ARIMA模型在居民消费价格指数预测中的应用

将ARIMA模型应用于居民消费价格指数的拟合和短期预测中,采用2001年1月至2013年10月中国居民消费价格指数的月度数据,借助EViews 6.0软件对数据进行拟合分析,建立了乘积季节ARIMA(5,0,6)(1,1,0)12模型,并讨论了模型的准确性,对未来中国居民消费价格指数进行了预测,该模型具有较高的理论与实际价值。     

AR IMA模型对中国健康保险的预测研究*

目的从中国健康保险的历史趋势中找出规律,寻找适当模型分析健康保险的可持续发展状况。方法以2006年1月至2015年11月中国健康险保费收入数据作为建模样本,运用EViews7.0,建立中国健康保险的ARIMA模型。结果建立了ARIMA(1,1,1)(1,1,1)~(12)模型,并对样本数据进行拟合预测,经检验拟合效果较好,预测精度较高。结论样本外预测依然呈现历史规律,未来趋势性正面影响和季节性反面影响更加显著。     

基于ARIMA模型的国内生产总值预测

本文通过对1952年以来的各年度GDP数据进行数学建模,利用ARIMA模型对年度GDP进行了预测。实验结果表明：ARIMA模型对GDP年度数据预测的一步预测相对误差可以保持在3%以内,具有较高的预测精度。     

基于ARIMA的GDP预测模型的构建及应用

为了准确预测山东省“十二五”期间GDP增长趋势,本文通过分析山东省1978～2012年GDP数据,构建了基于ARIMA模型的GDP预测模型.结果表明,ARIMA(2,2,2)模型能够较好地拟合山东省1978～2012年间GDP变化,在此基础上对山东省2013～2015年GDP进行了预测,结果依次为59 613.02,69 204.16,80 328.56亿兀.     

B-J方法在河南省进出口总额预测中的应用

利用ARIMA模型对1979—2008年河南省进行出口总额年度数据进行分析,结果表明ARIMA（2,2,4）模型有较好的预测结果,可以用于河南省进出口总额年度数据的短期预测。     

基于ARIMA模型的煤炭消费量预测研究——以山西省为例

对山西省煤炭消费量进行科学预测有助于对全省的煤炭资源开发进行合理规划、统一配置。分析了1949—2013年山西省煤炭消费量的变化趋势,根据1949—2010年的煤炭消费数据,构建了山西省煤炭消费量短期预测ARIMA(2,1,2)模型,利用此模型对山西省2011年和2012年的煤炭消费量进行了预测,并将预测值与实际值进行对比,发现预测的相对误差仅为3.27%和1.27%,表明模型的拟合度较好。因此,可以运用ARIMA(2,1,2)模型对山西省煤炭消费量进行短期预测。     

中国水稻纹枯病发生率预测研究——基于时间序列预测模型

该文以1960年~2007年中国水稻纹枯病发生率年度数据为样本,通过分析病害流行动态与周期特征,运用时间序列Logistic模型、自回归移动平均（ARIMA）模型和自回归AR模型进行预测,在此基础构建组合预测模型预测2014年水稻纹枯病发生率,预测结果与模型构建过程可以为相关研究提供借鉴参考。     

基于ARIMA模型的我国一次能源生产量时间序列分析

采用ARIMA模型对我国1950～2008年的一次能源生产量数据进行分析。利用Eviews软件建立了相应数学模型,并用该模型对当前值与未来值做了预测。结果表明,预测效果较好,可以用于对未来进行短期预测。     

季节ARIMA模型在我国肺结核发病率预测中的应用

目的探讨应用季节ARIMA模型对我国肺结核发病率进行预测的可行性.方法对我国2005年1月-2010年12月肺结核逐月发病率建立季节ARIMA模型,并对预测效果进行评价.结果 ARIMA（3,1,0）×（0,1,1）12模型很好地拟合了既往数据,对2011年1月-9月发病率的预测值符合实际发病率变动趋势.结论季节ARIMA模型能很好地模拟我国肺结核发病率的变动趋势,将其应用于肺结核发病率预测是可行的.     

ARIMA模型在我国人均生活能源消费量预测中的应用

本文以我国1983年～2005年的人均生活能源消费量数据为基础,建立了ARIMA(2,2,0)模型,检验结果表明,ARIMA(2,2,0)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内我国人均生活能源消费量的预测。在此基础上,对我国2006年～2011年的人均生活能源消费量作了预测,最后给出了结论及建议。     

中国人口增长的数学模型

利用阻滞增长模型和ARIMA模型分别预测了中国未来的人口数.通过计算误差,发现运用ARIMA模型预测得到的结果更准确.     

基于数据驱动的旅游需求预测研究

合理预测景区客流量不仅可以为景区提供参考,更是旅游治理体系和治理能力现代化建设的内在要求。基于九寨沟风景区官网于2012年5月至2021年5月披露的每日客流量数据,运用Python爬取与九寨沟旅游相关的搜索行为数据和九寨沟每日平均气温,构建ARIMA、SVR模型和加入百度搜索指数与日平均气温的LSTM神经网络模型,对九寨沟风景区客流量进行拟合和预测。结果表明,LSTM神经网络模型预测精度高于ARIMA和SVR模型,加入百度搜索指数和日平均气温的LSTM神经网络模型可以显著提升客流量预测精度。     

基于季节ARIMA模型的铁路客运能力需求预测研究

针对铁路客运资源时空配置不均衡问题,运用面板数据的非线性时间序列分析理论,构建了预测铁路客运能力的3种ARIMA模型,并运用客运区段内13个站点的客流量数据进行了实例分析。结论如下:季节ARIMA模型预测铁路客运能力显著性最强;铁路客运呈现出单周的季节波动,同时节假日对季节波动的影响显著。     

基于ARIMA模型的福州市雷暴日趋势分析

在分析ARIMA(p,d,q)预测模型的基础上,以福州市1961-2006年的雷暴日为时间序列基础,通过对该序列进行平稳性分析、差分处理、自相关、偏自相关系数计算与绘图、ARIMA建模、参数估计、假设检验及模型预测,将ARIMA模型运用在雷暴日的趋势分析上.研究结果表明,ARIMA能很好地拟合计算出未来短时段内的数据,...     

基于ARIMA-EGARCH模型的交通事故问题的研究

为了更好地掌握交通事故的现状和发展趋势,减少交通事故带来的直接损失和人员伤亡,以1990-2017年的全国交通事故发生起数为研究对象,建立ARIMA(0,1,4)模型进行分析和预测.利用方差齐性检验得残差序列方差非齐性,针对该模型的异方差问题,建立了ARIMA-EGARCH(1,1)模型.最后,以2017年的数据做为考核样本来检验模型的精度,并对2018-2019年的数据进行预测.通过与ARIMA(0,1,4)模型的拟合效果对比可以看出:ARIMA-EGARCH模型的预测结果比ARIMA模型精度更高,误差更小,可以对未来交通事故数据进行更好的预测.     

时空回归模型在中国各省区人口预测中的应用

综合回归分析和时间序列分析的思想,构建中国各省人口时空回归模型,对各省的人口发展进行预测.其基本方法是首先运用相邻两年各省的人口数据建立回归方程,然后将来年人口数量作为自变量,预测下一年的数量.得到因变量数值再作为自变量,逐年往前滚动进行预测.经检验,中国各省人口时空回归模型的预测准确率绝大多数在90%以上.     

结核病发病率ARIMA模型分析

建立ARIMA模型用于结核病发病趋势预测.方法:运用2004~2013年本地区结核病发病数据建立了ARIMA(1,1,0)模型.结果:总发病率从2004年的93.40/10万下降到2013年的83.81/10万,下降了10.73%,年均发病率为105.25/10万,肺结核发病率呈总体下降趋势.结论:ARIMA(1,1,0)模型,可用于结核病发病趋势预测,科学预测结果可为为地方的结核病预测、监控与防治工作提供参考.