使用ARIMA模型预测公园绿地面积

发布时间：2021-04-12 14:11

　　在时间序列中使用ARIMA模型是常见的分析预测方式之一。为了预测公园绿地面积,在其他预测模型优势不明显的情况下,最终选择ARIMA模型作为预测方法。文中调研并选取了北京市1978-2017年园林绿化及森林情况数据,在SPSS系统中,通过数据选择、描述性统计分析、自相关图平稳性检验、数据平稳性处理、模型检验等步骤最终确定适合采集数据的ARIMA模型,并在该模型上对2018-2020年的公园绿地面积进行预测。可视化和模型统计量等实验结果表明,该模型的拟合及预测效果良好。 

【文章来源】：计算机科学. 2020,47(S2)北大核心CSCD

【文章页数】：5 页

【部分图文】：

原始时间序列

图2 原始时间序列ACF图由图2、图3可知,ACF表现很像拖尾,但是后面的数据并没有收敛,反而有增大的趋势,并没有呈现波动现象,这说明序列具有单调趋势;而PACF为1阶截尾,系数围绕零轴上下小范围波动。因此判定原始时间序列为非平稳序列。

1阶差分序列

【参考文献】：
期刊论文
[1]西安市城市生活垃圾产生量的多元回归及ARIMA模型预测[J]. 杨小妮,张凯轩,杨宏刚,于媛.  环境卫生工程. 2020(02)
[2]ARIMA模型和SVM模型联合在感染性腹泻发病预测中的应用[J]. 尤玉玲,李娟,高孙玉洁,卢耀勤.  医学动物防制. 2020(05)
[3]中国2020—2030年石油资源需求情景预测[J]. 郑明贵,李期.  地球科学进展. 2020(03)
[4]基于ARIMA模型的渭南市降水量趋势分析与预测[J]. 张改红.  价值工程. 2019(34)
[5]ARIMA模型在降水量预测中的应用[J]. 吕树龙.  水科学与工程技术. 2012(02)
[6]平滑转换自回归模型的平稳性问题研究[J]. 赵春艳.  数量经济技术经济研究. 2012(01)
[7]交通量时间序列ARIMA预测技术研究[J]. 裴武,陈凤,程立勤.  山西科技. 2009(01)



本文编号：3133437