基于ARIMA的组合模型问题研究

发布时间：2017-09-21 13:40

  本文关键词：基于ARIMA的组合模型问题研究

  更多相关文章： ARIMA 组合模型 预测

【摘要】：预测在人们的学习、工作和生活中起着非常重要的作用,提到预测方法时一定不能忽视时间序列分析,而ARIMA模型又是时间序列分析中不可或缺的一部分。预测精度是预测效果的重要评判指标,要想使预测结果更为精准,必须设法使拟合的模型更加完善,而这并不是一件容易的事,研究组合模型正是为了改善所建的模型,使预测更精准。本文在研究ARIMA模型和组合模型基础理论的同时,结合我国GDP数据实例对基于ARIMA模型的组合模型问题进行了深入探讨。首先,结合实例分析了ARIMA模型的建模过程,给出了建模过程中出现的常见问题的解决方法,并对ARIMA模型预测结果进行了分析,其分析依据是相对百分比误差、平均绝对误差、平均绝对百分比误差和绝对误差标准差等四个评价指标；其次,对同组数据用指数平滑方法进行了分析预测,并且用同样四个评价指标对预测效果进行了分析；然后,将ARIMA模型与指数平滑模型进行结合建立了组合模型并得到了预测结果,在求解权系数时运用了五种方法,分别是等权平均法、简单加权平均法、误差平方和倒数法、均方误差倒数法和拉格朗日函数法,同时继续用同样四个评价指标对预测结果进行了分析；最后,比较分析了ARIMA模型、指数平滑模型及五个组合模型的预测结果,依据SSE(预测误差平方和)、MSE(均方误差)、MAE(平均绝对误差)、MAPE(平均绝对百分比误差)和MSPE(均方百分比误差)等五个精度指标证明了虽然不同组合模型的组合方法和预测效果各不相同,但是与单独模型相比,所有组合预测模型的预测结果均优于各单独模型的预测结果,组合模型值得被进一步研究与应用。
【关键词】：ARIMA 组合模型 预测
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O211.61;O157
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-13
• 1.1 选题的背景和意义9-10
• 1.2 国内外研究现状10-13
• 第2章 时间序列基础知识13-22
• 2.1 时间序列的概念13
• 2.2 时间序列的分类13-14
• 2.3 时间序列分析的目的14
• 2.4 时间序列统计特征量14
• 2.5 平稳性14-15
• 2.6 白噪声15-16
• 2.7 平稳时间序列模型16-18
• 2.7.1 一般线性过程16-17
• 2.7.2 滑动平均过程17
• 2.7.3 自回归过程17-18
• 2.7.4 自回归滑动平均混合模型18
• 2.8 自相关函数和偏自相关函数18-22
• 2.8.1 ARMA(p,q)序列的自相关函数18-19
• 2.8.2 ARMA(p,q)序列的偏自相关函数19-20
• 2.8.3 ARIMA模型的建模过程20-22
• 第3章 指数平滑方法相关理论22-26
• 3.1 指数平滑模型的历史发展和概念22
• 3.2 指数平滑法的特点22-23
• 3.3 移动平均法23
• 3.4 一次指数平滑模型23-24
• 3.5 二次指数平滑模型24-26
• 第4章 预测相关知识26-30
• 4.1 预测的概念26
• 4.2 预测遵循的原则26
• 4.3 预测效果评价的指标体系26-27
• 4.4 组合预测的概念27
• 4.5 组合预测模型权系数的计算方法27-30
• 第5章 实例分析30-43
• 5.1 数据的初步分析和处理30-33
• 5.2 模型的建立33-36
• 5.3 ARIMA模型的应用36-37
• 5.4 ARIMA模型的残差分析37-41
• 5.5 指数平滑法分析41-43
• 第6章 组合模型的建立43-47
• 第7章 论文结论与展望47-50
• 7.1 结果分析47-49
• 7.2 本文所做的主要工作49
• 7.3 论文展望49-50
• 参考文献50-53
• 攻读学位期间公开发表论文53-54
• 致谢54-55
• 研究生履历55

【参考文献】

中国期刊全文数据库 前6条

1 赵蕾;陈美英;;ARIMA模型在福建省GDP预测中的应用[J];科技和产业;2007年01期

2 单锐;王淑花;李玲玲;高东莲;;基于ARIMA、BP神经网络与GM的组合模型[J];辽宁工程技术大学学报(自然科学版);2012年01期

3 张凯;卢邹颖;;短时车流量组合预测模型[J];南京信息工程大学学报(自然科学版);2013年05期

4 徐建新;严勇;严富海;;指数平滑法在典型城市GDP预测中的应用[J];水利科技与经济;2008年07期

5 熊志斌;;基于ARIMA与神经网络集成的GDP时间序列预测研究[J];数理统计与管理;2011年02期

6 杨召;叶中辉;赵磊;薛庆元;梁淑英;王重建;;ARIMA-BPNN组合预测模型在流感发病率预测中的应用[J];中国卫生统计;2014年01期

中国硕士学位论文全文数据库 前2条

1 魏来;ARIMA理论及其在网络环境下绿色农产品定价的应用[D];电子科技大学;2003年

2 夏丽;基于ARIMA模型及回归分析的区域用电量预测方法研究[D];南京理工大学;2013年

，

本文编号：894838