导读:本文包含了季节时间序列模型论文开题报告文献综述及选题提纲参考文献，主要关键词:泰安市,AQI,时间序列,乘积季节模型
季节时间序列模型论文文献综述
刘婧[1]（2019）在《基于时间序列乘积季节模型的泰安市空气质量指数预测》一文中研究指出本文使用泰安市2014年1月到2018年12月的环境空气质量综合指数月度数据,应用Eviews软件,通过对AQI序列进行平稳性、纯随机性、自相关和偏相关性的分析,建立泰安市空气质量预测乘积季节模型,检验了模型的显着性,并对2019年1-6月的数据进行了预测分析。(本文来源于《科技经济导刊》期刊2019年29期）
刘昊天[2]（2019）在《基于时间序列分析的季节调整模型的实证研究》一文中研究指出在我国经济稳健发展的过程中,不同产业或行业的发展发生更替,新经济与传统经济的对比变化,已成为当下最受关注的“经济晴雨表”.为了准确把握经济发展动态,需要对宏观经济指标进行实时监测,因此开展主要宏观经济序列,尤其是GDP序列的环比统计工作越来越有必要.在计算GDP同比增长率的基础上,再结合环比增长率对经济形势做出分析,才能更及时、更准确地洞察经济指标的走势,为制定正确的宏观经济决策提供帮助.本文首先结合国际上主流的X-11-ARIMA和TRAMO/SEATS两种模型对安徽省2010年第一季度至2017年第叁季度安徽省GDP数据进行季节调整,去掉影响GDP的季节因素,计算其环比增长率,并给出5期预测;然后比较两种模型所得的结果,其结果显示安徽省GDP环比一直处于比较平稳的增长状态,未来一年的同比增加值在6%左右;最后,对于分行业增加值采取X-11-ARIMA模型季节调整分析,并利用直接法和间接法对安徽省GDP进行季节调整并比较其差异,同时与江苏省GDP季节调整结果进行比较,可以看出安徽省和江苏省GDP环比增长率和同比增长率和江苏差距很小,但体量上存在的很大差距.(本文来源于《安庆师范大学》期刊2019-06-01）
党珏[3]（2017）在《基于结构时间序列模型的宏观季节序列建模及应用》一文中研究指出对于宏观季节序列而言,季节性波动是其中所蕴含的最显着的特征,因此在宏观经济分析中,首先需要应对的便是如何处理数据中所蕴含的季节性。虽然利用季节调整软件剔除季节性波动可以使得经济分析更加简便,但传统季节调整方法会造成序列中所包含信息的失真,并可能会导致季节调整数据信息的扭曲;此外,就我国本土而言,国外的季节调整软件可能无法完全剔除我国春节等传统中式节假日所带来的异常波动。为避免基于季节调整数据建模所带来的影响,提高数据信息的利用率,本文考虑在结构时间序列模型的框架下直接利用宏观季节序列来进行建模。本文重点构建了针对季节增长率数据的单变量季节增长率模型、非线性马尔科夫区制转移季节增长率模型、多变量的季节动态因子模型、以及针对季节水平数据的含有季节成分的牵拉模型,并对这些模型在拟合和预测、环比数据提取、宏观经济景气一致指数构建以及经济周期测度方面的应用作出了探讨。首先,本文提出了一种直接拟合原始数据增长率的季节增长率(SGR)模型,该模型不仅可以直接提取环比增长率,还可以对原始数据的增长率进行预测。蒙特卡洛模拟结果表明,本文给出的针对SGR模型的MLE估计方法和初值设定方法有着良好的大样本表现。通过对中国GDP和CPI数据进行实证,我们发现利用SGR模型直接提取环比增长率的稳定性要高于其他季节调整软件。不仅如此,SGR模型拟合和预测的表现相比BSM模型和SARIMA模型均有显着提高。此外,SGR模型还具有容易拓展为非线性、多元情形的优势。最后,利用非线性的马尔科夫区制转移季节增长率(MS-SGR)模型进行实证发现,相比传统区制转移模型,基于MS-SGR模型能够更准确测度我国经济周期的阶段性变化。其次,本文给出了能够直接利用原始数据增长率来提取一致指数的季节动态因子(SDF)模型,该模型的优势在于能够充分利用原始数据中的有效信息,并且避免了季节频率上信息的重复误删。文中给出了该模型设定的一般形式及其估计方法,并基于该模型利用中国宏观经济变量来提取我国的景气一致指数。实证表明,与传统动态因子模型相比,利用季节动态因子模型提取出的一致指数可以更好地识别我国经济的转折点。此外,基于该模型我们进一步证实了传统季节调整方法所得出的环比增长率数据存在较多的异常值,从而给景气一致指数的提取带来负面影响。最后,本文提出了一种可以直接利用季节水平数据的经济周期计量模型,即含有季节成分的牵拉(Plucking)模型。通过对我国官方公布未经季节调整季度GDP数据进行实证,我们不仅刻画了我国1978-2015年间的经济周期形态,还正确识别了 1992年以后我国经济周期的阶段性变化特征,这是利用季节调整后的GDP数据无法识别的,表明运用未经季节调整数据能更充分地利用数据信息。此外,我们还将含有季节成分的牵拉模型与MS-SGR模型进行比较分析表明,二者在经济周期衰退区间的判定上均能够给出较为一致的结论。(本文来源于《厦门大学》期刊2017-04-01）
焦亮,李文杰,赵超敏,余婉玲,欧春汉[4]（2015）在《基于Eviews的季节时间序列(SARIMA)预测模型》一文中研究指出目的采用季节时间序列(Seasonal Auto Regressive Integrated Moving Average,SARIMA)模型建立传染病预测模型。方法根据2009-2013年珠海市斗门区手足口病月报告数的时间序列,采用Eviews拟合SARIMA模型。结果模型SARIMA(1,1,2)(1,1,1)12能很好地拟合珠海市斗门区手足口病月发病数,预测效果较好。结论采用Eviews拟合的SARIMA模型可以用于传染病的的短期预测和动态分析。(本文来源于《河南预防医学杂志》期刊2015年05期）
常振海,刘薇[5]（2015）在《我国铁路客运量的季节时间序列模型》一文中研究指出针对季节调整方法如X-11等调整结果不利于解释,及其方法本身没有考虑我国像春节等季节性特点的不足,文章建立起一般的季节时间序列模型,另外,针对季节周期的主观诊断,文章建立起辅助回归模型,较为客观的诊断时间序列的季节周期。结合我国铁路客运量的实证分析,预测结果表明:未来10月铁路客流量较大,相反,11月和12月客运量较小,这点和历史数据的特征十分类似,说明建立的模型较合适。(本文来源于《统计与决策》期刊2015年07期）
张庆春,赵树魁,金玉子,范晓东[6]（2014）在《基于季节模型的入境旅游人数的时间序列分析与预测》一文中研究指出利用时间序列分析方法对我国2003年1月至2013年7月入境旅游人数序列进行实证分析,考虑到序列的上升趋势和季节性,建立季节模型SARIMA(1,1,1)×(0,10)12.经过模型拟合检验,表明模型的误差率在1%内,表明模型较优,进而预测了2013年8月-2013年12月的入境旅游人数,可以为相关的旅游部门更好的做好服务提供数据参考.(本文来源于《吉林化工学院学报》期刊2014年01期）
罗长寿,周丽英[7]（2013）在《季节时间序列模型在平菇价格预测中的应用》一文中研究指出为了准确预测蔬菜价格,从蔬菜价格具有季节性变化的特性出发,采用SARIMA模型方法对平菇价格进行了预测分析。结果表明:SARIMA(2,1,3)(1,1,1)12模型对平菇价格的模拟预测效果较好,平均模拟预测误差为11%,6个月的短期实际预测平均误差为16%。SARIMA模型对农产品价格进行预测分析具有一定的可行性。(本文来源于《贵州农业科学》期刊2013年11期）
孙亚兰[8]（2013）在《基于季节时间序列模型的民航客运需求预测分析》一文中研究指出随着经济的不断发展,人们的生活水平不断提升,消费理念也有很大改变,民用航空运输业也获得了飞速发展,越来越多的人选用航空这一交通方式出行。文章主要介绍了季节时间序列模型,并使用1998年1月至2013年5月的月度数据建立SARIMA模型,并对2013年的民航客运量进行预测分析。通过使用SARIMA模型对我国民航客运量进行预测,以期对民航企业制定合理的运营决策提供一些参考。(本文来源于《中国外资》期刊2013年18期）
李凡[9]（2013）在《基于季节时间序列模型的甜椒生产与消费价格波动分析》一文中研究指出近几年甜椒价格出现了较为频繁的波动,该文在回顾农产品价格波动相关研究的基础上,利用X-12-ARIMA季节调整方法分别对甜椒生产价格和消费价格的时间序列进行季节调整后作趋势分析和建模分析,从而揭示甜椒价格波动的内在机制。(本文来源于《台湾农业探索》期刊2013年04期）
李余琪,赵银平,甘敏[10]（2013）在《基于状态相依自回归模型的季节时间序列预测》一文中研究指出基于一种状态相依自回归模型来预测季节时间序列。为提高模型的预测性能,同时考虑了模型的输入变量的选择和参数的优化。采用随机搜索和基于梯度的搜索相结合的优化方法,网络的结点数目、输入变量的选择都采用二进制编码,并用遗传算法来优化。对一组季节时间序列的预测被用来检验模型的性能。比较实验结果表明了提出方法的有效性。(本文来源于《第叁十二届中国控制会议论文集（E卷）》期刊2013-07-26）
季节时间序列模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在我国经济稳健发展的过程中,不同产业或行业的发展发生更替,新经济与传统经济的对比变化,已成为当下最受关注的“经济晴雨表”.为了准确把握经济发展动态,需要对宏观经济指标进行实时监测,因此开展主要宏观经济序列,尤其是GDP序列的环比统计工作越来越有必要.在计算GDP同比增长率的基础上,再结合环比增长率对经济形势做出分析,才能更及时、更准确地洞察经济指标的走势,为制定正确的宏观经济决策提供帮助.本文首先结合国际上主流的X-11-ARIMA和TRAMO/SEATS两种模型对安徽省2010年第一季度至2017年第叁季度安徽省GDP数据进行季节调整,去掉影响GDP的季节因素,计算其环比增长率,并给出5期预测;然后比较两种模型所得的结果,其结果显示安徽省GDP环比一直处于比较平稳的增长状态,未来一年的同比增加值在6%左右;最后,对于分行业增加值采取X-11-ARIMA模型季节调整分析,并利用直接法和间接法对安徽省GDP进行季节调整并比较其差异,同时与江苏省GDP季节调整结果进行比较,可以看出安徽省和江苏省GDP环比增长率和同比增长率和江苏差距很小,但体量上存在的很大差距.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
季节时间序列模型论文参考文献
[1].刘婧.基于时间序列乘积季节模型的泰安市空气质量指数预测[J].科技经济导刊.2019
[2].刘昊天.基于时间序列分析的季节调整模型的实证研究[D].安庆师范大学.2019
[3].党珏.基于结构时间序列模型的宏观季节序列建模及应用[D].厦门大学.2017
[4].焦亮,李文杰,赵超敏,余婉玲,欧春汉.基于Eviews的季节时间序列(SARIMA)预测模型[J].河南预防医学杂志.2015
[5].常振海,刘薇.我国铁路客运量的季节时间序列模型[J].统计与决策.2015
[6].张庆春,赵树魁,金玉子,范晓东.基于季节模型的入境旅游人数的时间序列分析与预测[J].吉林化工学院学报.2014
[7].罗长寿,周丽英.季节时间序列模型在平菇价格预测中的应用[J].贵州农业科学.2013
[8].孙亚兰.基于季节时间序列模型的民航客运需求预测分析[J].中国外资.2013
[9].李凡.基于季节时间序列模型的甜椒生产与消费价格波动分析[J].台湾农业探索.2013
[10].李余琪,赵银平,甘敏.基于状态相依自回归模型的季节时间序列预测[C].第叁十二届中国控制会议论文集（E卷）.2013