交通流的季节ARIMA模型与预报

使用季节ARIMA模型对交通流进行建模及预报为高速公路交通状况分析、道路设施建设、公路效益评价及控制策略设计等提供了一种可靠的方法和途径。介绍了具有周期的季节ARIMA模型的一般表达方式，并提供了使用这一模型进行建模和预报的一般过程。最后以某高速公路的实测数据为例，进行实证分析，得到了72步的长期预报结果，其相对误差为0．13。     

人工神经网络在电力负荷预报上的应用

１概述能量管理系统（ＥＭＳ）是以计算机为基础的现代电力调度自动化系统。需要过去（历史）、现在（实时）和未来（计划）三类数据,而负荷预测是未来数据的主要来源。负荷预测对电力系统的控制、运行和计划都是非常重要的。提高其精度既能增强电力系统运行的安全性,又能改善电力系统运行的经济性。负荷预测按周期可分为超短期、短期、中期和长期负荷预测。其中短期负荷预测主要用于火电分配、水火电协调、机组经济组合和交换功率计划,需要１-７天的负荷值,使用对象是编制调度计划的工程师,在电力负荷预报中占有重要地位。电力负荷预测是一…     

积分季节ARIMA模型和太阳黑子月数据的时序模型

本文提出积分季节ARIMA模型,并以之对太阳黑子月数据建立模型,进行分析和预测,取得良好效果.     

模糊神经网络在短期电力负荷预报中的应用

提出了一种用于短期电力负荷预报的模糊神经网络方法,该方法可以直接由模糊信息预测出未来一天或一周的各小时负荷,文中通过实际算例验证了所提模型和方法的有效性。     

季节模型及应用

本文介绍了时间季节模型的基本理论及建模步骤,应用理论知识对中国社会消费品零售总额进行季节模型建模,此方法剔除了原始数据的趋势性和季节性,因此该模型可以较好地刻画此类数据的行为特征,得到较为理想的预报结果。     

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乘积季节模型对我国消费者信心指数的分析

消费者信心指数能够预测消费支出,对某些宏观经济指标也有较好的预测效果。本文运用Eviews6.0软件对2006.01—2011.12我国消费者心指数的统计数据建立ARIMA乘积季节模型。结果表明该模型适合预测我国的消费者信心指数而且预测精度较高,但只适合短期预测。     

基于时间序列ARIMA模型的电力负荷短期预测分析

科学的预测电力负荷数据可以更有效地进行电力生产规划和电力供需调整。本文基于代顿市2017年度电力负荷数据构建ARIMA模型,并使用该模型预测2018年的第一个月。并与1月份的实际数据进行比较,验证了模型的真实性和可靠性。研究结果表明:ARIMA(1,1,1)具有良好的预测结果和准确的预测精度。平均预测误差约为4.00%,达到了最小误差的预测效果。     

建模样本编辑与模型预报准确率的关系

着重研究了据Ｆｉｓｈｅｒ准则建立多层次预报模型时样本的编辑与模型预报准确率的关系问题．     

缺失数据下空气质量预测的ARIMA乘法季节模型

以AQI指数作为评判空气质量状况的标准进行探究,对存在缺失值的AQI指数进行填充,经探究发现,填充后的AQI指数存在明显季节特征,提出在原ARIMA模型上加入季节特征,特征立ARIMA乘法季节模型.首先选东北四个城市进行实证分析,用均值法和缺失森林法对缺失数据进行填充,依据存在的季节特征分别建立适当的ARIMA乘法季节...     

民航客运量的ARIMA模型与预测

介绍了求和自回归移动平均(ARIMA)模型的一般表达方式,并提供了使用该模型进行建模和预报的一般过程,最后以某条航线的实测数据为例,进行实证分析,得到了8步的短期预报结果,其相对误差为0．08．     

ARIMA模型结合小波去噪的贵阳城市交通流预测

由于交通流量具有非线性和强干扰性的特征,在不同的时频域空间具有不同的特性;本文首先应用小波分析的方法,将含有综合信息的一组原始交通流信号分解为多组特征不同的时间序列信号,再利用ARIMA模型良好的线性拟合能力,将经过小波分析的时间信号通过ARIMA模型进行处理.利用Matlab和SPSS,对实测交通流数据进行了验证分析...     

季节变动时间序列的两种新预测模型

对于季节变动时间序列提出了一种新的乘法分解模型,它可表示成年度变动因子、季节变动因子、总平均值和随机变动因子的乘积.然后在此基础上给出渐进预测模型和乘法预测模型,最后进行了实例分析.     

基于ARIMA的电力视频流量分析和预测

针对电力视频业务的流量特性,提出一种基于差分自回归移动平均(ARIMA)模型的电力视频业务流量分析和预测方法.首先利用差分法对视频流量数据进行平稳化处理,然后依据数据序列的自相关函数和偏自相关函数确定模型参数,从而建立能够有效预测电力视频业务流量的分析模型.仿真实验表明,该方法充分考虑了电力视频业务流量的自相似性、周期性、突发性及趋势性等特点,有效提高了流量预测拟合的精度.     

局部线性光滑技术和ARIMA模型在股价动态预测中的应用

针对目前我国股票市场中难以对上市公司的股票价格从定量分析的角度进行有效预测这一突出问题,利用时间序列局部线性光滑技术并结合ARIMA建模方法,提出了股票价格序列的一步动态预测方法,用于股票价格序列的建模及股价短期预测,以期为企业和投资者在进行相关决策时提供有益的参考．最后,以两家上市公司近几年股票的周平均价格为例验证了预测结果的有效性．     

季节性模型的建模及其应用

主要讨论李节性模型的识别与建模步骤，并编制程序借助计算机进行参数估计与预报，以月平均气温为实例进行模拟建模，其结果较佳。     

ARIMA模型在研究油气田产量递减规律中的应用

阿尔浦斯模型不能很好地提取随机性信息,而ARIMA模型恰好可以改进这一点。本文应用ARIMA模型对位于英国北海的Brae East油田的产量数据进行了拟合及预测。结果表明,这种方法是有效和实用的。