简介：

简介：摘要：时间序列预测是对已有的时间序列数据进行分析，挖掘时间序列数据中蕴藏的信息，并对未来进行预测。时间序列预测具有极其重要的理论意义与现实意义，学者们为此做了大量的研究工作并取得了很好的成果。本文主要对时间序列预测的相关方法进行整理归纳，对时间序列预测相关研究进行述评。

简介：摘要：近年来，全球海洋温度的升高使得一些鱼类离开原来的生存区域，去寻找更适宜的栖息地。对苏格兰而言，鲱鱼和鲭鱼为经济作出了重要贡献，这两种鱼栖息地的变化，将会对当地渔业产生巨大影响。在本论文中，我们将苏格兰海域划分为 36 块，用过去 40 年的海表面温度数据建立时间序列模型，对每一块区域进行分析，汇总出整体海域的结果。然后再根据两种鱼最适宜的生存温度，最终确定了鲱鱼和鲭鱼的迁徙路线。

简介：摘 要：根据建筑业2015年1季度到2018年4季度总产值数据做出时间序列图，初步判断总体趋势为上升，另外还有明显的季节性趋势特点，选用两种常用的季节性趋势预测方法（自适应过滤法、ARIMA模型）。根据MAD、MSE、MFE、MAPE四个误差分析指标以及建筑业2019年实际总产值综合分析预测精准度、各自优缺点及适用条件。

简介：首先,提出了基于Kmeans算法的非等分论域划分方法.其次,针对传统数据模糊化存在的不足,对数据模糊化方法进行了改进.最后,将模型应用于对上海市消费价格总指数的预测,并通过与现有方法进行对比,验证了模型的有效性.

简介：时间序列分析方法是对合适的模型进行分析,随着时间的变化从而产生的历史数据迁移的规律,在经济领域研究方面提供了技术支持。而ARMA模型是一种高级预测方法,可以对任何序列的发展形态进行预测。文中通过ARMA模型分析时间序列的随机性和平稳性,以亳州白芍产量进行分析,用SASS软件检验模型的可行性,并预测应用。结果表明,模拟值和真实值接近,在实际应用中预测值的准确对于种植户的种植决策起到指导作用。

简介：摘要本文首先介绍了常见的时间序列分析模型，给出了模型的构建方法，包括对数据进行预处理，对模型参数的估计和对模型的定阶方法，最后，运用MATLAB软件对某地区一段时间的电力负荷实现时间序列模型构建和预测，并进行了误差分析。

简介：预测预报是时间序列分析的应用之一，人们根据大量的观测数据对系统进行分析，主要原因是为了能够预测小系统在未来的特性，以便对系统的特性进行处理。提出一种非平稳时间序列预测建模方法，通过实验结果表明，该模型在工程应用方面具有较高的预测精度。

简介：　　一、引言　　客流预测技术是交通运输领域的研究热点之一.一般而言,客流预测可分为相关模型预测法和时间模型预测法.相关模型预测法是找出影响客流量的因素,建立客流量和各种影响因素之间的函数关系,得出模型进行预测.在相关模型预测法中,由于影响客流量的因素很多,包括经济发展水平、人口、旅游业和基础设施状况等,而这些因素之间又有错综复杂的关系,从而在自变量的选取上造成很大的困扰.此外,相关因素本身的未来值不确定,需要进行预测,这同样会带来误差.……

简介：

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：GMDH方法用于电信数据预测,我们用GMDH方法对这类序列进行拟合预测,GMDH方法完全适合于电信数据的预测分析

简介：GMDH方法用于电信数据预测,我们用GMDH方法对这类序列进行拟合预测,GMDH方法完全适合于电信数据的预测分析

简介：摘要建筑与人们的生活息息相关，随着人口数量的增加，人们对建筑物的需求量越来越大，这也促进了建筑行业的发展，建筑业已逐渐成为了我国支柱产业，而且带动了国民经济的增长。建筑行业的竞争比较激烈，为了提高企业的竞争力，建筑企业的管理者一定要在保证施工质量的前提下，降低工程造价，还要提高建筑工程造价预测与控制水平。本文对基于时间序列的建筑工程造价预测进行了研究，希望可以推动建筑行业稳定、快速的发展。

简介：针对由于非线性小样本河川年径流量预测难度较大的问题,可采用时间序列法的分段预测机制,为了消除预测模型选择的的误差,须考虑样本数据发生的概率因素考虑,鉴于此,基于数据量多少的原则可对概率进行量化,提出一种数量概率量化的方法,结合时间序列,进而可建立一种河川年径流量的预测方法,时间序列选用一次或二次函数相结合的分段模型。为了验证方法,基于开都河年径流量数据,作出考虑和不考虑数量概率量化两种方法的对比结果,结果表明考虑概率的预测准确性有较大提高,并基于其对该河未来数年的年径流量进行了预测。

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：摘要：时间序列预测是一个备受关注的研究领域，旨在根据以前观察到的趋势分量，使用最佳模型来预测未来的趋势分量。由于电力负荷预测被认为是时间序列预测范式的一部分，所以可以根据电力系统负荷预测的要求进行时间序列预测研究分析。

简介：摘要：时间序列是指对同一现象观测或记录到的一组按时间顺序排列起来的统计数据，通过对时间序列进行编制和分析，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平，这种方法称为时间序列预测技术。时间序列预测技术在军事行动序列预测、市场需求预测、发电预测、区域降水量预测等军事、经济、工程和自然科技等领域，具有重要意义。

简介：本文利用兰州１９４４～１９９７年的月平均降水资料，建立了线性平稳序列的降水预测模型，该模型使用了功谱密度函数中的最大熵法（或叫全极模型），并将特征多项式模大于１的根反射到单位圆内，再返回修正后的线性预测的系数。并对１９８６～１９９７年１１年的月降水做了预测试验，试验结果表明，该模型具有一定的预报能力，其中取１５阶预报效果较好。此方法在短期气候预测业务中，可作为台站月、季、年降水预测走向客观化、定量化方法的一种初步尝试

简介：分别用三种时间序列模型对我国社会消费品零售总额(指数)进行建模预测与比较,通过计算结果可以验证:组合预测能有效地提高预测的可靠性与精确度。