共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
预测是研究经济时间序列的重要课题,而经济序列大都是非平稳的,因此经济序列的预测比一般平稳时间序列困难得多。利用状态空间模型对经济序列进行建模、预测,不仅方便易行,且效果很好。不仅可对经济时间序列所含趋势、周期、季节各分量进行预测,而且可对经济时间序列本身进行预测。本文就是讨论用状态空间模型对经济序列进行预测的方法与实现。 相似文献
3.
组合方法首先选取支持向量机预测算法和一阶指数平滑法对经济时间序列分别进行预测,来建立模糊自适应变权重组合预测模型。为对比模糊自适应变权重的经济时间序列组合预测模型的预测效果,选取了两种定值加权组合预测模型:平均加权模型、误差平方和最小组合预测模型。通过实验比较分析:模糊自适应变权重组合预测可以综合利用各单项预测方法的优点,比单一模型预测结果精度有了很大提高,且优于定值加权组合预测,在经济时间序列的预测方面有较高的应用价值。 相似文献
4.
5.
博克思——詹金斯预测方法简介 总被引：1，自引：0，他引：1
在经济预测中涉及到的时间序列大多数都是由随机过程产生的。也就是说,这些时间序列是依赖于时间t的一族随机变量,其中,单个序列值的出现具有不确定性,但整个序列却呈现出固有的规律性。本文介绍的博克思—詹金斯(Box—Jenkins)预测方法可有效地用于这类随机时间序列的预测。博克思—詹金斯方法的基本思想大致是:把所研究的时间序列,比如某商品的月销售量,看作一个随机过程:把它们的观察值,如5年的该商品月销售量数据,看作是该随机过程的一个样本。根据这样本建立模型来逼近所研究的随机过程,并据此进行预测。其中,线 相似文献
6.
一、模式识别的一般规则B—J.(Box—Jenkins)方法,是一种时间序列预测技术,又称为 ARMA 方法。这种方法通过 AR 模式、MA 模式或 ARMA 混合模式拟合各类时间序列,在最小方差的意义下对过程作出最佳预测。 相似文献
7.
研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理．设计了交通流量Voltem神经网络的学习算法快速学习算法：最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。 相似文献
8.
针对流程工业中连续性生产过程的时间序列特点,采用基于混沌时间序列的Lyapunov指数计算和预测方法对成本进行了预测研究。 相似文献
9.
10.
时间序列分析方法是经济领域研究的主要工具之一,它用合适的模型描述历史数据随时间变化的规律,并预测经济变量值,而ARMA模型是其中较为基础的一种。本文介绍了随机时间序列的统计预测方法,给出了ARMA模型的建立与识别过程,并进行参数估计和检验,以对我国未来短期内的GNP平减指数进行动态预测。 相似文献
11.
目前城市大气污染问题日益严重,为了更好的解决城市大气污染预测的准确性不足的问题,本文提出了一种基于时间序列和人工神经网络的城市大气污染预测模型。首先使用时间序列的方法对采集的数据进行统计,再将统计结果作为样本输入人工神经网络模型,然后将神经网络训练后得到的样本数据采用趋势外推法进行预测分析。仿真实验结果表明,本文提出的基于时间序列和人工神经网络的城市大气污染预测模型的预测结果与实际结果相当接近,本方案切实有效,值得推广使用。 相似文献
12.
分解预测技术是一种较早采用和经常使用的预测方法。它用一些简单的数学公式来分离一个时间序列的4种分量:季节性、周期性、趋势性和随机性部分。对一个时间序列移去其中的季节性和随机性分量便得到趋势一周期曲线。作者认为,这条趋势一周期曲线是企业经营预测最重要的基本环节。分解预测技术在各企业生产领域得到了广泛的应用。 相似文献
13.
基于ARIMA-BP神经网络模型海流流速预测研究 总被引：1，自引：0，他引：1
海流是一种具有广阔应用前景的无污染可再生能源,结合ARIMA时间序列预测模型和BP神经网络预测模型的优点,构建ARMA-BP神经网络混合模型,对海流流速预测问题进行研究。采用神经网络模型得出海流流速的残差值对时间序列模型的预测值进行修正,提高了海流流速预测的精度。 相似文献
14.
文章在客观评述国内外主要预测方法的基础上。根据湖北省1949-2004年城市化水平的时间序列资料,构建城市化水平的时间序列预测模型,并进行实证检验和预测。 相似文献
15.
【目的/意义】图书借阅数据的预测对于图书馆的资源建设和精准服务具有重要的指导意义。本文收集了
中国东北地区某双一流高校图书馆管理系统十年的借阅数据,并分别按图书类别、借阅者所属学院分类,对未来的
借阅趋势进行了预测。【方法/过程】本文使用一种基于时间序列的混合预测模型进行图书借阅数量的预测,其中混
合预测是一元时间序列预测与多元时间序列预测的结合。【结果/结论】实验结果表明,时间序列算法用于高校图书
馆借阅数据预测,2008 年到 2017 年借书数量由 300 左右增加到近 4000,2018 年到 2021 年 C、D、G、J、S、U、I类图书
中,D类、S类图书的借阅数量下降幅度最大,U类图书借阅数量下降幅度最小,T类、E类借阅量的上升幅度最大,Q
类、X类的误差率较大,研究结论供高校图书馆管理工作参考。【创新/局限】学界上针对图书馆馆藏资源建设和服务
创新研究较多,但以一元时间序列与多元时间序列预测角度进行研究的相对较少,本文弥补了此方面的不足。 相似文献
16.
本文主要是探讨一种新的预测方法,为长、短期预测的结合寻找一条简洁实用的途径。 1 问题的提出在各种预测方法中,时间序列分析方法无疑占有重要的地位。其主要优点是短期预测精度较高。但也存在不少缺点:建模所需的数据样本大;建模和检验工作比较复杂,而且,时间序列模型用于长期预测时,误差往往很大,这主要是由于模型阶次的限次,不能反映较长 相似文献
17.
《内蒙古科技与经济》2017,(13)
以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。 相似文献
18.
一、方法的陈述自从本世纪三十年代 ARMA 混合模式问世以来,在时间序列分析和预测中,它日益成为一种重要而经常使用的手段。和时间序列其他预测方法相比较,这种方法具有相当的灵活性和优越性。它不仅可以拟合各种不同的数据样式,通过若干次迭代获得最佳参数估计值;而 相似文献
19.
ARMA模型是一类常用的随机时间序列模型,它是一种精度比较高的序列短期预测方法,本文主要是通过分析数据的特征,建立一个合理的ARMA模型,利用这个模型对我国经济进行合理的预测. 相似文献