共查询到20条相似文献，搜索用时 125 毫秒
1.
文章首先介绍了移动通信网的性能指标，并对现阶段的网络性能指标监控方法进行了分析，指出现有方法中存在的不足之处，然后对ARIMA模型进行了阐述，得出ARIMA模型在移动通信网网络指标监控中的应用模式。 相似文献
2.
<正>ARIMA模型常用来对时间序列做预测分析，而股票价格的预测一直是股民较为关注的问题，准确的预测股票价格有利于在变化莫测的金融市场上做出合理的决策。ARIMA模型通过对历史数据建模，拟合时间序列数据的变动规律，进而预测未来股票的变化。本文选择深信服科技2021年所有交易日的股票收盘价数据，用ARIMA模型拟合其变化规律，最后对短期内的深信服收盘价进行预测。 相似文献
3.
4.
利用ARIMA模型对1979-2008年河南省财政支出数据进行分析,结果表明ARIMA(3,3,5)模型有较好的预测结果,可以用于河南省财政支出的短期预测。 相似文献
5.
本文用ARIMA模型对上海市1978年到2006年GDP数据进行分析,并预测出未来三年的GDP数据。与2007年实际GDP相对照模型预测误差较小,说明ARIMA模型非常适合于短期预测。 相似文献
6.
7.
本文基于中国统计局提供的1980年~2016年的国民总收入年度数据,分别构建了Holt指数平滑模型和ARIMA模型预测最近5年的国民生产总值。结果显示ARIMA时间序列模型具有更好的拟合和预测效果,可以为我国宏观经济的发展提供更好的参考。 相似文献
8.
ARIMA模型在河北GDP预测中的应用 总被引：1，自引：0，他引：1
采用求和自回归移动平均模型(ARIMA),对河北经济年鉴的数据进行分析。结果显示,ARIMA(1,1,1)模型提供较准确的预测结果,可用于未来的预测,可为河北发展提供可靠的参考依据。 相似文献
9.
运用SPSS统计软件,对某医科大学图书馆2016年至2018年的微信公众号用户量建立合适的ARIMA模型,模型定为ARIMA(0,2,1)(0,1,1)_(12),并通过该模型对2019年1月与2月用户量进行预测并与现实数据进行对比。ARIMA模型的建立旨在为图书馆新媒体阅读推广提供参考。除此之外,将微信公众号功能模块作为影响微信公众号用户量的因素之一,对其点击量进行统计与分析,根据分析结果,需要对菜单功能模块做适当调整。 相似文献
10.
GDP作为宏观经济中最重要的一个指标，本文试图以贵州省1950～2006年GDP作为时间序列，建立ARIMA模型来揭示贵州GDP的增长变化规律。 相似文献
11.
城市水生态系统可持续发展评价——以大连市为例 总被引：4，自引：0，他引：4
水是城市发展的生命线,维系水生态可持续发展态势对城市健康发展具有重要意义。基于此本文提出一种城市水生态可持续评价指数,并结合自回归移动平均(ARIMA)模型对城市水生态可持续发展趋势进行定量评价和预测。该指数融合了水生态足迹和水生态承载力,通过比较分析城市水资源利用模式和污水消纳占用的水资源用地需求,明确城市水资源可持续供需关系。选取大连市进行实证分析,结果表明2001-2011年大连市水生态足迹远高于水生态承载力,处于不可持续发展水平。若维持目前的水资源利用模式,则可预测至2015-2019年大连市水资源生态足迹逐年递增,城市水污染生态足迹整体呈下降趋势。而大连市水资源供给能力若仍维持目前水平,其水生态仍将处于不可持续发展状态。以年均城市水生态承载力与水生态足迹差值估算,尚需13.09亿t水来达到城市水生态供给需求平衡。基于此从优化水资源利用模式和提高水资源供给能力两方面提出维系大连水生态可持续发展的对策和建议。 相似文献
12.
13.
城市水生态足迹变化分析与模拟 总被引：18，自引：6，他引：18
本文应用生态足迹理论与方法，采用水资源与水产品消耗统计数据，对广州市1949年～1998年水生态足迹变化进行时间序列建模分析。结果显示ARIMA(2,2,2)模型能较好的拟合广州市水生态足迹变化，模型误差在5%左右。广州市1949年至1998年水生态足迹变化可划分为两个时期，1978年之前为平稳期，1978年之后呈现显著的波动上升趋势；应用ARIMA(2,2,2)预测1999年～2003年的水域生态足迹，结果分别为：0.5935hm2，0.6562 hm2，0.7147 hm2，0.7790 hm2，0.8402 hm2，模拟结果表明广州市1999年～2003年期间的人均水域生态足迹仍呈较快上升趋势，城市发展、人口增加以及生活水平提高导致水产品需求与水资源消耗的增长是水生态足迹快速增长的主要因素。 相似文献
14.
在电信业务中应用预算分析能起到积极作用,通过模型识别、参数估计、模型诊断和预测使用ARIMA模型进行拟合和预测。实践表明,拟合效果很好,在理论上和实际中应用切实可行。 相似文献
15.
《Information processing & management》2022,59(4):102968
Cryptocurrency is a new sort of digital asset that has evolved as a result of advances in financial technology, and it has provided a significant research opportunity. There are many algorithms for price prediction for crypto currencies like LSTM and ARIMA. However, the downside is that LSTM-based RNNs are difficult to comprehend, and gaining intuition into their behavior is tough. In order to produce decent outcomes, rigorous hyperparameter adjustment is also essential. Furthermore, crypto currencies do not precisely adhere to past data, and patterns change fast, reducing the accuracy of predictions. Cryptocurrency price forecasting is difficult due to price volatility and dynamism. Because the data is dynamic and heavily influenced by various seasons, the ARIMA model is unable to handle seasonal data. In order to provide better price predictions for crypto traders, a new model is required. The objective of the study is to apply Fbprophet model as the key model because it is superior in functionality as compared to LSTM and ARIMA additionally removing the pitfalls generated in LSTM and ARIMA model while analyzing the cryptocurrency data. This study provides a methodology for predicting the future price of bitcoin that does not rely solely on past data due to seasonality in historical data. So, after fitting the seasonality and smoothing, the model is constructed that can be useful for real-world use cases. In case of crypto currencies where less historical data is available and it is hard to find pattern, proposed method can easily deal this type of problems. Overall difference between predicted and actual values is low as compared to other model even after seasonal data was available. 相似文献
16.
建立适用于中国和俄罗斯等人均铁矿石需求增长型国家的面板模型,利用面板模型对中国人均铁矿石消费量进行扩张预测,并按不同年份、不同建模期与灰色模型、协整模型、ARIMA模型的样本内、样本外平均扩张预测结果进行对比,说明面板模型的预测精度优于其他三个模型。面板模型与协整模型均能有效地分析因变量与各影响因素间的关系,一般的灰色模型和ARIMA模型无法达到这一目的。考虑模型对变量之间相关关系的刻画能力及预测精度两方面因素,认为四类模型分析铁矿石需求问题的能力排序为:面板模型协整模型灰色模型ARIMA模型,这一结果表明面板模型用于铁矿石需求分析具有优越性。 相似文献
17.
入境游客量的预测是制定旅游发展规划和相关政策法规的重要依据。基于“谷歌趋势”提供的涉及旅游活动食、住、行、游、购、娱等环节的相关关键词搜索数据,通过计算相关系数,找出与国家旅游局公布的2004年1月至2015年3月中国入境外国游客量统计数据密切相关的搜索关键词。同时,利用2004年1月至2012年12月的入境外国游客量数据构建一般季节性乘积ARIMA模型,以及带搜索关键词作为自变量的季节性乘积ARIMA模型,分别对2013年1月至2015年3月入境外国游客量进行模拟预测,比较两模型的拟合程度和预测能力。研究发现：加入谷歌关键词作为自变量的季节性乘积ARIMA模型比一般季节性乘积ARIMA模型拟合效果和预测精度高,而中国签证政策与航班信息均对入境外国游客量有显著的影响。 相似文献
18.
本文选取了从2005年1月到2011年9月间丙类传染病的月发病数,在考虑长期趋势与季节因素的基础上,选择ARIMA模型来对我国丙类传染病每月的爆发数量进行拟合,同时对未来1年的发病情况进行预测. 相似文献
19.
通过ARIMA模型对黑龙江创意人才需求作出预测,在此基础上,为创意产业人才的培养提出对策与建议,使得创意人才总量能够满足黑龙江创意经济发展的需要。 相似文献
20.
该文对原始AIS轨迹数据进行了重建、压缩和预测。首先是数据重建,将部分原始数据的位置信息可视化,筛选异常值,之后分别利用了三次样条插值和埃尔米特型插值构建丢失数据及异常点。其次是数据压缩,主要运用Douglas-Peucker算法,结合压缩质量和压缩率,选取最优的压缩阈值。最后是数据预测,该文主要运用了时间序列分析中的指数平滑模型、ARIMA模型分别预测。 相似文献