基于卡尔曼滤波的四川省社会消费品零售额预测

发布时间：2022-07-11 18:33

　　卡尔曼滤波算法是一种最优线性递推估计方法,受数据分布特点影响小,适应范围广,建模简单,适合于对各种复杂时间序列的预测,效果显著。鉴于四川省社会消费品零售额数据分布不光滑,运用卡尔曼滤波算法对之进行了预测,取得了很好的效果,平均预测误差仅0.772406%,比ARMA模型的平均预测误差2.1323%减小了63.7756%。由模型预测得到2019年四川省社会消费品零售额为21570.26亿元。 

【文章页数】：6 页

【文章目录】：
一、卡尔曼滤波算法基本原理
二、四川省社会消费品零售额预测
三、建议与思考
    (一)保持一定的经济发展速度
    (二)加强社会保障体系建设
    (三)提高有效供给
    (四)加强市场管理
    (五)优化消费环境
四、结语


【参考文献】：
期刊论文
[1]卡尔曼滤波算法在我国钢产量预测中的运用[J]. 舒服华,马勇军.  徐州工程学院学报(自然科学版). 2018(02)
[2]基于改进logistic的湖北省社会消费品零售总额预测[J]. 舒服华.  湖北工程学院学报. 2018(01)
[3]基于改进卡尔曼滤波的轨道交通站台短时客流预测[J]. 张智勇,张丹丹,贾建林,梁天闻.  武汉理工大学学报(交通科学与工程版). 2017(06)
[4]基于自适应卡尔曼滤波的锂电池SOC估计[J]. 彭湃,程汉湘,陈杏灿,李蕾.  电源技术. 2017(11)
[5]基于时间序列分析和卡尔曼滤波的霾预报技术[J]. 张恒德,咸云浩,谢永华,杨乐,张天航.  计算机应用. 2017(11)
[6]卡尔曼滤波在高频金融时间序列模型预测中的应用[J]. 谢合亮,张砣.  统计与决策. 2017(13)
[7]基于卡尔曼滤波的地表移动变形预测[J]. 许哲明.  沈阳工业大学学报. 2017(05)
[8]基于ARIMA模型对海南省社会消费品零售总额的预测[J]. 桂梅,刘莲花.  数学的实践与认识. 2017(03)
[9]基于卡尔曼滤波的空气质量指数预测方法[J]. 南亚翔,李红利,修春波,张洪志.  环境科学导刊. 2016(03)
[10]我国社会消费品零售总额预测方法与应用[J]. 潘冬,石常峰.  统计与决策. 2015(13)



本文编号：3658666