APP下载量趋势预测及其模型评价

发布时间：2020-06-08 02:40

【摘要】：当下,智能手机已经成为我们日常生活中必不可少的通讯工具,而智能手机中的APP竞争也变得异常激烈。目前大部分的研究都是基于往期的APP下载量,利用一些统计学的方法去展现下载量的一些规律,并分析影响下载量的市场因素。而本文旨在进一步利用统计学中时间序列ARIMA模型、残差自回归模型、神经网络对APP下载量进行预测。本文搜集了某APP在手机应用市场从2017年1月1号至2018年3月7号的每日下载量。通过sas软件对全部的数据进行时间序列分析,建立了ARIMA模型并对未来五期进行预测,利用BIC准则选择出最佳的ARIMA模型,参数估计和残差的白噪声均通过了统计学检验,具有统计学意义。通过观察预测散点图,预测值与实际值比较接近,都在90%置信区间内,能够判定ARIMA模型拟合总体良好,但是该模型预测出的未来五期的平均误差为22%,误差相对比较大;再进行残差自回归模型,DW检验值为0.1288,表明残差具有明显自相关性,建立模型后,预测五期平均误差为7%;最后利用MATLAB软件进行神经网络模型的建模和预测,预测出未来五期的平均误差为5%。总体上,就我们采取的样本数据而言,残差自回归模型和神经网络模型的拟合效果都优于ARIMA模型。
【图文】：

ARIMA模型的建模过程

及其模型评价 第四章 BP 网络神经概述是人类长期不断得通过对神经学、心理学、数学、计算一些特征，模仿生物神经网络而设计出一种模型。一时间以内完成类似于语言理解、推理识别等只有人脑追求一种技能超越人的计算能力同时有具有类似人类型，于是神经网络应运而生[9]。服了基于逻辑符号的人工智能在处理信息方面的缺陷信息处理的机能，同时它还拥有譬如实时学习等特点学科的交叉技术领域研究中，，同时也被广泛运用于社元
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F49

【参考文献】

相关期刊论文 前2条

1 周权;聂俊雄;袁茂祥;黄;;ARIMA模型在常德市痢疾发病预测中的应用[J];实用预防医学;2014年12期

2 周忠彬;吕红梅;邹郢;;ARIMA干预模型在医院门诊量预测中的应用[J];中国医院统计;2008年02期

相关硕士学位论文 前5条

1 鞠天骄;在线评论对移动应用下载影响的实证研究[D];吉林大学;2017年

2 梁德阳;基于SARIMA和BP神经网络的时间序列组合预测模型研究[D];兰州大学;2014年

3 彭慧婷;基于GM-ARIMA模型的发电量预测研究[D];兰州大学;2014年

4 林楠;基于BP神经网络和GARCH模型的中国银行股票价格预测实证分析[D];兰州大学;2014年

5 王萍;基于人工神经网络的旅游需求预测理论与实证研究[D];西北师范大学;2004年

本文编号：2702404