卡爾曼濾波算法是一種最優(yōu)線性遞推估計(jì)方法,受數(shù)據(jù)分布特點(diǎn)影響小,適應(yīng)范圍廣,建模簡單,適合于對各種復(fù)雜時(shí)間序列的預(yù)測,效果顯著。鑒于四川省社會(huì)消費(fèi)品零售額數(shù)據(jù)分布不光滑,運(yùn)用卡爾曼濾波算法對之進(jìn)行了預(yù)測,取得了很好的效果,平均預(yù)測誤差僅0.772406%,比ARMA模型的平均預(yù)測誤差2.1323%減小了63.7756%。由模型預(yù)測得到2019年四川省社會(huì)消費(fèi)品零售額為21570.26億元。 

【文章頁數(shù)】：6 頁

【文章目錄】：
一、卡爾曼濾波算法基本原理
二、四川省社會(huì)消費(fèi)品零售額預(yù)測
三、建議與思考
    (一)保持一定的經(jīng)濟(jì)發(fā)展速度
    (二)加強(qiáng)社會(huì)保障體系建設(shè)
    (三)提高有效供給
    (四)加強(qiáng)市場管理
    (五)優(yōu)化消費(fèi)環(huán)境
四、結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]卡爾曼濾波算法在我國鋼產(chǎn)量預(yù)測中的運(yùn)用[J]. 舒服華,馬勇軍.  徐州工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(02)
[2]基于改進(jìn)logistic的湖北省社會(huì)消費(fèi)品零售總額預(yù)測[J]. 舒服華.  湖北工程學(xué)院學(xué)報(bào). 2018(01)
[3]基于改進(jìn)卡爾曼濾波的軌道交通站臺短時(shí)客流預(yù)測[J]. 張智勇,張丹丹,賈建林,梁天聞.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2017(06)
[4]基于自適應(yīng)卡爾曼濾波的鋰電池SOC估計(jì)[J]. 彭湃,程漢湘,陳杏燦,李蕾.  電源技術(shù). 2017(11)
[5]基于時(shí)間序列分析和卡爾曼濾波的霾預(yù)報(bào)技術(shù)[J]. 張恒德,咸云浩,謝永華,楊樂,張?zhí)旌?  計(jì)算機(jī)應(yīng)用. 2017(11)
[6]卡爾曼濾波在高頻金融時(shí)間序列模型預(yù)測中的應(yīng)用[J]. 謝合亮,張砣.  統(tǒng)計(jì)與決策. 2017(13)
[7]基于卡爾曼濾波的地表移動(dòng)變形預(yù)測[J]. 許哲明.  沈陽工業(yè)大學(xué)學(xué)報(bào). 2017(05)
[8]基于ARIMA模型對海南省社會(huì)消費(fèi)品零售總額的預(yù)測[J]. 桂梅,劉蓮花.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2017(03)
[9]基于卡爾曼濾波的空氣質(zhì)量指數(shù)預(yù)測方法[J]. 南亞翔,李紅利,修春波,張洪志.  環(huán)境科學(xué)導(dǎo)刊. 2016(03)
[10]我國社會(huì)消費(fèi)品零售總額預(yù)測方法與應(yīng)用[J]. 潘冬,石常峰.  統(tǒng)計(jì)與決策. 2015(13)



本文編號：3658666