在時間序列中使用ARIMA模型是常見的分析預(yù)測方式之一。為了預(yù)測公園綠地面積,在其他預(yù)測模型優(yōu)勢不明顯的情況下,最終選擇ARIMA模型作為預(yù)測方法。文中調(diào)研并選取了北京市1978-2017年園林綠化及森林情況數(shù)據(jù),在SPSS系統(tǒng)中,通過數(shù)據(jù)選擇、描述性統(tǒng)計分析、自相關(guān)圖平穩(wěn)性檢驗、數(shù)據(jù)平穩(wěn)性處理、模型檢驗等步驟最終確定適合采集數(shù)據(jù)的ARIMA模型,并在該模型上對2018-2020年的公園綠地面積進行預(yù)測�？梢暬湍Ｐ徒y(tǒng)計量等實驗結(jié)果表明,該模型的擬合及預(yù)測效果良好。 

【文章來源】：計算機科學(xué). 2020,47(S2)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

原始時間序列

圖2 原始時間序列ACF圖由圖2、圖3可知,ACF表現(xiàn)很像拖尾,但是后面的數(shù)據(jù)并沒有收斂,反而有增大的趨勢,并沒有呈現(xiàn)波動現(xiàn)象,這說明序列具有單調(diào)趨勢;而PACF為1階截尾,系數(shù)圍繞零軸上下小范圍波動。因此判定原始時間序列為非平穩(wěn)序列。

1階差分序列

【參考文獻】：
期刊論文
[1]西安市城市生活垃圾產(chǎn)生量的多元回歸及ARIMA模型預(yù)測[J]. 楊小妮,張凱軒,楊宏剛,于媛.  環(huán)境衛(wèi)生工程. 2020(02)
[2]ARIMA模型和SVM模型聯(lián)合在感染性腹瀉發(fā)病預(yù)測中的應(yīng)用[J]. 尤玉玲,李娟,高孫玉潔,盧耀勤.  醫(yī)學(xué)動物防制. 2020(05)
[3]中國2020—2030年石油資源需求情景預(yù)測[J]. 鄭明貴,李期.  地球科學(xué)進展. 2020(03)
[4]基于ARIMA模型的渭南市降水量趨勢分析與預(yù)測[J]. 張改紅.  價值工程. 2019(34)
[5]ARIMA模型在降水量預(yù)測中的應(yīng)用[J]. 呂樹龍.  水科學(xué)與工程技術(shù). 2012(02)
[6]平滑轉(zhuǎn)換自回歸模型的平穩(wěn)性問題研究[J]. 趙春艷.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2012(01)
[7]交通量時間序列ARIMA預(yù)測技術(shù)研究[J]. 裴武,陳鳳,程立勤.  山西科技. 2009(01)



本文編號：3133437