简介：

简介：了解农资产品市场价格变化规律，预测农资产品市场价格变化趋势，将有利于正确引导农资产品流通和农业生产，实现农资产品区域供求平衡，并为政府和农户提供结构调整的依据。针对农资产品价格这一重要问题，本文以全国尿素零售价格为例，构建非平稳时间序列ARIMA（p，d，q）模型，描述并预测化肥零售价格的动态变化。结果表明ARlMA（0，2，1）模型能很好地模拟并预测化肥零售价格趋势，为农资产品市场信息的准确预测提供重要方法。

简介：在对我国国内生产总值数据研究的基础上，提出了一种新的面向短时序数据的结构分析模型——平滑ARIMA模型。此模型的数学定义清晰，易于计算机实现，同时由实证分析的结果表明．与灰色模型预测相比较此模型有很好的识别能力。

简介：电信运营商通过分析各个时间段、各个具体区域、热点区域的历史话务数据，能够对未来一段时间的话务量进行预测，从而提供面向运营商管理层的决策支持。因此，采用合适的方法对话务量进行准确预测，无论对于话务短期均衡，还是对于网络规划都有一定的帮助。本文将短期预测的代表方法——自回归求和滑动平均（AutoregressiveIntegratedMovingAverageModel，简称ARIMA）模型应用于话务分析，并与往常使用的指数拟合趋势线方法进行对比，实验结果表明ARIMA预测精度较高。

简介：该文对我国1978-2013年的GDP数据进行了分析,建立了ARIMA模型,对我国GDP时间序列数据进行了模拟。通过对GDP数据的平稳性检验、模型参数识别与检验,建立了ARIMA（2,1,6）模型,结果显示该模型的预测误差较小,能够较好地预测我国的GDP,最后使用ARIMA模型对我国2007-2013年的GDP总量进行了拟合,以期为我国经济发展的战略规划和决策提供参考和依据。

简介：桥梁监测序列是典型的非平稳时间序列,需要进行一些处理将非平稳序列平稳化后再拟合ARMA模型。将监测数据平稳化后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型即为ARIMA模型。以玉峰大桥为例,介绍了季节ARIMA模型的建模思路与总体流程,模拟了检测序列的变化趋势。以季节ARIMA模型为预测模型作为结构的退化模型,对测点进行退化趋势模拟与退化临界时刻预测。结果显示ARIMA模型对序列的拟合效果良好,可以用于桥梁监测序列的预测,其对退化临界时刻的预测可以从整体上掌握桥梁的整体退化趋势和极限使用寿命。

简介：摘要物资需求预测对于物资储备和管理决策具有重要意义。本文基于ARIMA时间序列模型对电网公司资产管理系统中的物资领用大数据进行挖掘，建立电网物资需求预测模型，并验证模型正确性，该模型可以为电网公司做出合理的物资储备管理决策提供支撑。

简介：摘要：本文针对电子产品制造企业面临的问题，基于多品种小批量的物料生产现状，由于事先无法知道物料的实际需求量现状，运用了时间序列模型对于其未来生产流程进行预测分析。本研究选择 6 种应当重点关注的物料（包括频数、数量、趋势和销售单价），建立物料需求的周预测模型并利用历史数据对预测模型进行评价。实证结果表明预测效果较好，能够为企业合理生产提供参考建议。

简介：摘要：水泥价格预测在其相关生产及贸易领域具有重要意义。通过对山东省P.O 42.5散装水泥月均价的历史数据进行收集处理，来建立ARIMA模型，实现对价格未来走势的预测。结果表明，ARIMA(2,0,0)能较好的拟合水泥价格的走势，并能很好的预测向后两期的价格数据，为研究水泥市场价格变动提供了重要方法。

简介：进入新世纪我国农村经济有了很大的发展，农民生活水平有了较大的提高。但上世纪80年代以来，我国农民人均纯收入增长幅度明显地不稳定，农民人均纯收入增幅由1980年19．04％上升到1994年的32．49％，然后又下降到2000年的1．95％，2000年以后农民的人均纯收入的增幅有了一定的提高，但总体来说还是比较缓慢，从2001年到2007年有增有减，最高增幅是2007年的15．43％，最低的是2002年的4．61％。农民增收困难已成为新世纪之初我国农业和农村工作中的突出问题。本文结合我国历史实际农民人均纯收入数据，利用时间序列预测模型预测我国农民改革开放以来的增长率，并做出趋势分析，从而为我国今后“三农”问题乃至整个经济社会发展全局问题的研究提供量化指标依据：

简介：能源指的是向自然界提供能量转化的一种物质,它是人类活动的物质基础,是一个国家社会发展和经济增长的重要物质基础,如何保持能源供需稳定和均衡是经济发展的一个重大问题。在当今世界,能源的发展,能源和环境,是全世界、全人类共同关心的问题,也是我国社会经济发展的重要问题。河北省能源消耗总量大,自给率低,能源供需的矛盾已经成为制约河北省经济发展的障碍。准确地预测未来能源消耗对于科学制定能源规划及经济发展战略具有重大意义。本文是基于1980-2012年河北省能源消费量数据,使用Eviews6.0软件,经过分析建立ARIMA（1,2,1）模型,对未来五年河北省的能源消费量进行分析预测。

简介：摘要我国为了对于环境污染进行有效地整治，采用了煤改电的政策来尽量地减少供暖当中的煤炭燃烧所占的比例，但是在执行过程当中，可能会给电网带来一定的波动，利用ARIMA模型可以有效地对其发展情况进行预测，最终可以有针对性地进行负载的调整，实现电网负载的均衡化，避免能源的浪费。

简介：目的探讨ARIMA模型在流感样病例预测预警方面的应用，建立流感样病例发病预测模型，并证明模型的适用性。方法对北京市顺义区医院、顺义区妇幼老年保健院2家省级流感样病例监测哨点医院报告的2005年9月～2009年3月流感样病例月报告数资料建立ARIMA模型，2009年4～5月数据验证模型，用Q统计量法对模型适应性进行检验。结果对流感样病例月报告数建立季节模型ARIMA（1，0，0）x（0，1，0）12，统计量Q大于Xa^2（m）证实了该模型的适用性。结论ARIMA模型能够较好应用于流感样病例预测预警，为疫情防控提供科学依据。

简介：摘要：黄河流域是中华民族文明的发祥地，其水沙通量的变化更是影响了相邻区域的生态环境及人民生活。了解黄河各水文特征间的关系，掌握其变化规律，制定最优采样监测方案，合理进行“调水调沙”，能够科学地指导沿黄流域防汛抗旱、水资源统一调度及相关经济的发展等。

简介：梳理影子银行相关概念,对影子银行规模数据进行的平稳性检验、模型参数识别与检验,建立了ARIMA（2,2,2）模型,并拟合湖北省2011-2015年的影子银行规模,为湖北省金融稳定发展和风险防范提供参考和依据.

简介：本文采用ARIMA模型和EGARCH模型，利用SAS软件对2001年1月到2005年8月中国入境旅游收汇数据进行分析，并作了拟合预测比较，目的是选择具有较好拟合效果的模型。

简介：目的：为弥补当前公安情报分析中主要依赖经验分析的不足,对ARIMA模型在刑事类警情预测中的应用展开探讨,为刑事类警情的早期预警提供决策依据。方法：应用ARIMA模型对某市2015年1月至2017年12月刑事类警情数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型。结果：某市刑事类警情整体上呈下降趋势;选取的最优模型ARIMA（0,0,0）（0,1,1）能较好地拟合既往时间段某市刑事类警情的变化;对某市2018年1月的刑事类警情实证预测表明,所选模型的算法拟合度较高,在95%的置信区间之内（预测值290次,真实值315次）,模型短期预测效果较为理想。结论：ARIMA模型可以应用于刑事类警情的情报分析与预测,建议在实际应用中应进一步推广。

简介：摘要：运用 模型对1990-2021年黑龙江省粮食产量数据进行预测。将预测值与实际值对比，结果表明， 模型，拟合效果较好，并预测出2022年黑龙江省粮食产量为7998.669万吨。

简介：摘要：为了克服COVID-2019传染疾病对经济和生命财产安全造成了巨大影响问题。论文提出了用 模型对确诊人数预测研究，该方法使用大数据技术爬虫，拟合出良好的预测模型。实验结果表明，建立了 模型，拟合效果好，并预测出中国香港未来一天的确诊人数为5354人。

简介：摘要：为进行准确、快速、科学的短期电力系统负荷预测以及改进单一预测方法所存在的局限性，此论文提出一种基于反向传播（Back Propagation ,BP）神经网络和自回归移动平均（Auto Regression Integrated Moving Average, ARIMA）的组合模型并运用方差倒数法和权重组合法对电力系统负荷进行预测。研究发现，该组合模型相较于单一的预测方法，不仅提高了预测精度，同时也降低了离散程度。