本文關鍵詞：基于ARIMA的組合模型問題研究

  更多相關文章： ARIMA 組合模型 預測

【摘要】：預測在人們的學習、工作和生活中起著非常重要的作用,提到預測方法時一定不能忽視時間序列分析,而ARIMA模型又是時間序列分析中不可或缺的一部分。預測精度是預測效果的重要評判指標,要想使預測結(jié)果更為精準,必須設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,使預測更精準。本文在研究ARIMA模型和組合模型基礎理論的同時,結(jié)合我國GDP數(shù)據(jù)實例對基于ARIMA模型的組合模型問題進行了深入探討。首先,結(jié)合實例分析了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模型預測結(jié)果進行了分析,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準差等四個評價指標；其次,對同組數(shù)據(jù)用指數(shù)平滑方法進行了分析預測,并且用同樣四個評價指標對預測效果進行了分析；然后,將ARIMA模型與指數(shù)平滑模型進行結(jié)合建立了組合模型并得到了預測結(jié)果,在求解權(quán)系數(shù)時運用了五種方法,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,同時繼續(xù)用同樣四個評價指標對預測結(jié)果進行了分析；最后,比較分析了ARIMA模型、指數(shù)平滑模型及五個組合模型的預測結(jié)果,依據(jù)SSE(預測誤差平方和)、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)等五個精度指標證明了雖然不同組合模型的組合方法和預測效果各不相同,但是與單獨模型相比,所有組合預測模型的預測結(jié)果均優(yōu)于各單獨模型的預測結(jié)果,組合模型值得被進一步研究與應用。
【關鍵詞】：ARIMA 組合模型 預測
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：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 時間序列基礎知識13-22
• 2.1 時間序列的概念13
• 2.2 時間序列的分類13-14
• 2.3 時間序列分析的目的14
• 2.4 時間序列統(tǒng)計特征量14
• 2.5 平穩(wěn)性14-15
• 2.6 白噪聲15-16
• 2.7 平穩(wěn)時間序列模型16-18
• 2.7.1 一般線性過程16-17
• 2.7.2 滑動平均過程17
• 2.7.3 自回歸過程17-18
• 2.7.4 自回歸滑動平均混合模型18
• 2.8 自相關函數(shù)和偏自相關函數(shù)18-22
• 2.8.1 ARMA(p,q)序列的自相關函數(shù)18-19
• 2.8.2 ARMA(p,q)序列的偏自相關函數(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22-23
• 3.3 移動平均法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 預測相關知識26-30
• 4.1 預測的概念26
• 4.2 預測遵循的原則26
• 4.3 預測效果評價的指標體系26-27
• 4.4 組合預測的概念27
• 4.5 組合預測模型權(quán)系數(shù)的計算方法27-30
• 第5章 實例分析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50-53
• 攻讀學位期間公開發(fā)表論文53-54
• 致謝54-55
• 研究生履歷55

【參考文獻】

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預測中的應用[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)絡與GM的組合模型[J];遼寧工程技術(shù)大學學報(自然科學版);2012年01期

3 張凱;盧鄒穎;;短時車流量組合預測模型[J];南京信息工程大學學報(自然科學版);2013年05期

4 徐建新;嚴勇;嚴富海;;指數(shù)平滑法在典型城市GDP預測中的應用[J];水利科技與經(jīng)濟;2008年07期

5 熊志斌;;基于ARIMA與神經(jīng)網(wǎng)絡集成的GDP時間序列預測研究[J];數(shù)理統(tǒng)計與管理;2011年02期

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

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 魏來;ARIMA理論及其在網(wǎng)絡環(huán)境下綠色農(nóng)產(chǎn)品定價的應用[D];電子科技大學;2003年

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

，

本文編號：894838