【摘要】：當(dāng)下,智能手機(jī)已經(jīng)成為我們?nèi)粘Ｉ钪斜夭豢缮俚耐ㄓ嵐ぞ?而智能手機(jī)中的APP競爭也變得異常激烈。目前大部分的研究都是基于往期的APP下載量,利用一些統(tǒng)計(jì)學(xué)的方法去展現(xiàn)下載量的一些規(guī)律,并分析影響下載量的市場因素。而本文旨在進(jìn)一步利用統(tǒng)計(jì)學(xué)中時(shí)間序列ARIMA模型、殘差自回歸模型、神經(jīng)網(wǎng)絡(luò)對APP下載量進(jìn)行預(yù)測。本文搜集了某APP在手機(jī)應(yīng)用市場從2017年1月1號至2018年3月7號的每日下載量。通過sas軟件對全部的數(shù)據(jù)進(jìn)行時(shí)間序列分析,建立了ARIMA模型并對未來五期進(jìn)行預(yù)測,利用BIC準(zhǔn)則選擇出最佳的ARIMA模型,參數(shù)估計(jì)和殘差的白噪聲均通過了統(tǒng)計(jì)學(xué)檢驗(yàn),具有統(tǒng)計(jì)學(xué)意義。通過觀察預(yù)測散點(diǎn)圖,預(yù)測值與實(shí)際值比較接近,都在90%置信區(qū)間內(nèi),能夠判定ARIMA模型擬合總體良好,但是該模型預(yù)測出的未來五期的平均誤差為22%,誤差相對比較大;再進(jìn)行殘差自回歸模型,DW檢驗(yàn)值為0.1288,表明殘差具有明顯自相關(guān)性,建立模型后,預(yù)測五期平均誤差為7%;最后利用MATLAB軟件進(jìn)行神經(jīng)網(wǎng)絡(luò)模型的建模和預(yù)測,預(yù)測出未來五期的平均誤差為5%�？傮w上,就我們采取的樣本數(shù)據(jù)而言,殘差自回歸模型和神經(jīng)網(wǎng)絡(luò)模型的擬合效果都優(yōu)于ARIMA模型。
【圖文】：

ARIMA模型的建模過程

及其模型評價(jià) 第四章 BP 網(wǎng)絡(luò)神經(jīng)概述是人類長期不斷得通過對神經(jīng)學(xué)、心理學(xué)、數(shù)學(xué)、計(jì)算一些特征，模仿生物神經(jīng)網(wǎng)絡(luò)而設(shè)計(jì)出一種模型。一時(shí)間以內(nèi)完成類似于語言理解、推理識別等只有人腦追求一種技能超越人的計(jì)算能力同時(shí)有具有類似人類型，于是神經(jīng)網(wǎng)絡(luò)應(yīng)運(yùn)而生[9]。服了基于邏輯符號的人工智能在處理信息方面的缺陷信息處理的機(jī)能，同時(shí)它還擁有譬如實(shí)時(shí)學(xué)習(xí)等特點(diǎn)學(xué)科的交叉技術(shù)領(lǐng)域研究中，，同時(shí)也被廣泛運(yùn)用于社元
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F49

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 周權(quán);聶俊雄;袁茂祥;黃;;ARIMA模型在常德市痢疾發(fā)病預(yù)測中的應(yīng)用[J];實(shí)用預(yù)防醫(yī)學(xué);2014年12期

2 周忠彬;呂紅梅;鄒郢;;ARIMA干預(yù)模型在醫(yī)院門診量預(yù)測中的應(yīng)用[J];中國醫(yī)院統(tǒng)計(jì);2008年02期

相關(guān)碩士學(xué)位論文 前5條

1 鞠天驕;在線評論對移動應(yīng)用下載影響的實(shí)證研究[D];吉林大學(xué);2017年

2 梁德陽;基于SARIMA和BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列組合預(yù)測模型研究[D];蘭州大學(xué);2014年

3 彭慧婷;基于GM-ARIMA模型的發(fā)電量預(yù)測研究[D];蘭州大學(xué);2014年

4 林楠;基于BP神經(jīng)網(wǎng)絡(luò)和GARCH模型的中國銀行股票價(jià)格預(yù)測實(shí)證分析[D];蘭州大學(xué);2014年

5 王萍;基于人工神經(jīng)網(wǎng)絡(luò)的旅游需求預(yù)測理論與實(shí)證研究[D];西北師范大學(xué);2004年

本文編號：2702404