本文關(guān)鍵詞：基于ARIMA的組合模型問題研究

  更多相關(guān)文章： ARIMA 組合模型 預(yù)測

【摘要】：預(yù)測在人們的學(xué)習(xí)、工作和生活中起著非常重要的作用,提到預(yù)測方法時(shí)一定不能忽視時(shí)間序列分析,而ARIMA模型又是時(shí)間序列分析中不可或缺的一部分。預(yù)測精度是預(yù)測效果的重要評判指標(biāo),要想使預(yù)測結(jié)果更為精準(zhǔn),必須設(shè)法使擬合的模型更加完善,而這并不是一件容易的事,研究組合模型正是為了改善所建的模型,使預(yù)測更精準(zhǔn)。本文在研究ARIMA模型和組合模型基礎(chǔ)理論的同時(shí),結(jié)合我國GDP數(shù)據(jù)實(shí)例對基于ARIMA模型的組合模型問題進(jìn)行了深入探討。首先,結(jié)合實(shí)例分析了ARIMA模型的建模過程,給出了建模過程中出現(xiàn)的常見問題的解決方法,并對ARIMA模型預(yù)測結(jié)果進(jìn)行了分析,其分析依據(jù)是相對百分比誤差、平均絕對誤差、平均絕對百分比誤差和絕對誤差標(biāo)準(zhǔn)差等四個(gè)評價(jià)指標(biāo)；其次,對同組數(shù)據(jù)用指數(shù)平滑方法進(jìn)行了分析預(yù)測,并且用同樣四個(gè)評價(jià)指標(biāo)對預(yù)測效果進(jìn)行了分析；然后,將ARIMA模型與指數(shù)平滑模型進(jìn)行結(jié)合建立了組合模型并得到了預(yù)測結(jié)果,在求解權(quán)系數(shù)時(shí)運(yùn)用了五種方法,分別是等權(quán)平均法、簡單加權(quán)平均法、誤差平方和倒數(shù)法、均方誤差倒數(shù)法和拉格朗日函數(shù)法,同時(shí)繼續(xù)用同樣四個(gè)評價(jià)指標(biāo)對預(yù)測結(jié)果進(jìn)行了分析；最后,比較分析了ARIMA模型、指數(shù)平滑模型及五個(gè)組合模型的預(yù)測結(jié)果,依據(jù)SSE(預(yù)測誤差平方和)、MSE(均方誤差)、MAE(平均絕對誤差)、MAPE(平均絕對百分比誤差)和MSPE(均方百分比誤差)等五個(gè)精度指標(biāo)證明了雖然不同組合模型的組合方法和預(yù)測效果各不相同,但是與單獨(dú)模型相比,所有組合預(yù)測模型的預(yù)測結(jié)果均優(yōu)于各單獨(dú)模型的預(yù)測結(jié)果,組合模型值得被進(jìn)一步研究與應(yīng)用。
【關(guān)鍵詞】：ARIMA 組合模型 預(yù)測
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：O211.61;O157
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-13
• 1.1 選題的背景和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 第2章 時(shí)間序列基礎(chǔ)知識(shí)13-22
• 2.1 時(shí)間序列的概念13
• 2.2 時(shí)間序列的分類13-14
• 2.3 時(shí)間序列分析的目的14
• 2.4 時(shí)間序列統(tǒng)計(jì)特征量14
• 2.5 平穩(wěn)性14-15
• 2.6 白噪聲15-16
• 2.7 平穩(wěn)時(shí)間序列模型16-18
• 2.7.1 一般線性過程16-17
• 2.7.2 滑動(dòng)平均過程17
• 2.7.3 自回歸過程17-18
• 2.7.4 自回歸滑動(dòng)平均混合模型18
• 2.8 自相關(guān)函數(shù)和偏自相關(guān)函數(shù)18-22
• 2.8.1 ARMA(p,q)序列的自相關(guān)函數(shù)18-19
• 2.8.2 ARMA(p,q)序列的偏自相關(guān)函數(shù)19-20
• 2.8.3 ARIMA模型的建模過程20-22
• 第3章 指數(shù)平滑方法相關(guān)理論22-26
• 3.1 指數(shù)平滑模型的歷史發(fā)展和概念22
• 3.2 指數(shù)平滑法的特點(diǎn)22-23
• 3.3 移動(dòng)平均法23
• 3.4 一次指數(shù)平滑模型23-24
• 3.5 二次指數(shù)平滑模型24-26
• 第4章 預(yù)測相關(guān)知識(shí)26-30
• 4.1 預(yù)測的概念26
• 4.2 預(yù)測遵循的原則26
• 4.3 預(yù)測效果評價(jià)的指標(biāo)體系26-27
• 4.4 組合預(yù)測的概念27
• 4.5 組合預(yù)測模型權(quán)系數(shù)的計(jì)算方法27-30
• 第5章 實(shí)例分析30-43
• 5.1 數(shù)據(jù)的初步分析和處理30-33
• 5.2 模型的建立33-36
• 5.3 ARIMA模型的應(yīng)用36-37
• 5.4 ARIMA模型的殘差分析37-41
• 5.5 指數(shù)平滑法分析41-43
• 第6章 組合模型的建立43-47
• 第7章 論文結(jié)論與展望47-50
• 7.1 結(jié)果分析47-49
• 7.2 本文所做的主要工作49
• 7.3 論文展望49-50
• 參考文獻(xiàn)50-53
• 攻讀學(xué)位期間公開發(fā)表論文53-54
• 致謝54-55
• 研究生履歷55

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 趙蕾;陳美英;;ARIMA模型在福建省GDP預(yù)測中的應(yīng)用[J];科技和產(chǎn)業(yè);2007年01期

2 單銳;王淑花;李玲玲;高東蓮;;基于ARIMA、BP神經(jīng)網(wǎng)絡(luò)與GM的組合模型[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

3 張凱;盧鄒穎;;短時(shí)車流量組合預(yù)測模型[J];南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

4 徐建新;嚴(yán)勇;嚴(yán)富海;;指數(shù)平滑法在典型城市GDP預(yù)測中的應(yīng)用[J];水利科技與經(jīng)濟(jì);2008年07期

5 熊志斌;;基于ARIMA與神經(jīng)網(wǎng)絡(luò)集成的GDP時(shí)間序列預(yù)測研究[J];數(shù)理統(tǒng)計(jì)與管理;2011年02期

6 楊召;葉中輝;趙磊;薛慶元;梁淑英;王重建;;ARIMA-BPNN組合預(yù)測模型在流感發(fā)病率預(yù)測中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計(jì);2014年01期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 魏來;ARIMA理論及其在網(wǎng)絡(luò)環(huán)境下綠色農(nóng)產(chǎn)品定價(jià)的應(yīng)用[D];電子科技大學(xué);2003年

2 夏麗;基于ARIMA模型及回歸分析的區(qū)域用電量預(yù)測方法研究[D];南京理工大學(xué);2013年

，

本文編號：894838