1) ARIMA-GM model
ARIMA-GM模型
2) ARIMA model
ARIMA模型
1.
Application of ARIMA model in forecasting total phosphorus of Suzhou Creek;
ARIMA模型在苏州河总磷预测中的应用
2.
Application of ARIMA model in the early warning of measles;
ARIMA模型在麻疹预警中的应用
3.
Application of ARIMA model on prediction of malaria incidence;
ARIMA模型在疟疾发病预测中的应用
3) ARIMA
ARIMA模型
1.
The Application of ARIMA Model in Yunnan Province s Fixed Investments Forecasting;
ARIMA模型在云南省固定资产投资预测中的应用
2.
In this paper,ARIMA model are used to pre-handle data.
为研究适合自适应信号控制系统的流量预测模型,利用ARIMA模型进行数据预处理的基础上,考虑高阶神经网络收敛速度慢及易陷入局部最小点的特点,通过在线调整学习率及引进动量法对其进行改进,得出基于ARIMA与改进的高阶神经网络的组合预测模型,试验表明预测的交通流量满足自适应信号控制系统实时在线多频优化的时间及精度要求。
3.
) and the ARIMA model were compared to predict total corn yield,and ARIMA(2,1,12) model was applied to predict the total corn yield in future 3 years.
对比传统时间序列分析模型(线性回归、二次滑动平均、一次平滑、二次指数平滑和三次指数平滑等)与ARIMA模型在山东省粮食总产量中的拟合精度,并应用ARIMA(2,1,12)模型预测了未来3年内山东省粮食总产量。
4) ARIMA models
ARIMA模型
1.
Drought forecasting based on the standardized precipitation index at different temporal scales using ARIMA models;
多尺度标准化降水指数的ARIMA模型干旱预测研究
5) ARIMA modeling
ARIMA模型法
1.
In this paper, a practical conclusion has been arrived at that we can transform the nonstationary and growing network traffic to the domain of the stationary signal by the ARIMA modeling.
利用ARIMA模型法,在研究网络流量具有成长性、非平稳性的基础上得到了更为实用的结论。
6) Intervention-ARIMA model
Intervention-ARIMA模型
1.
This paper dynamically simulates the time series of the employment of the Tertiary Industry in China by the Intervention-ARIMA model.
本文利用Intervention-ARIMA模型对我国第三产业就业人数(1952-2006年)时间序列进行了动态拟合,重点考虑了"大跃进"对我国第三产业就业人数的干预影响,取得了很好的拟合效果,并预测了我国未来几年第三产业就业人数的发展趋势。
补充资料：ARIMA模型
ARIMA模型
【ARD城A模型]亦译“综合自回归移动平均模型”。考虑了时间序列的自回归特性和偏自回归特性，将自回归和移动平均分析技术结合起来的综合分析技术。是一种比较成熟的单变量平稳时间序列分析预测方法。 在AR模型和MA模型中，所考察的随机过程本身要求是平稳的，否则，通过差分使过程达到平稳后进行相应的分析。而ARIMA模型就是把差分、服模型和MA模型结合在一起的模型，实际上是更为一般的表达式，用ARIMA(p，d，q)表示，其中的d是表示原过程本身达到平衡所需的差分次数。如果原过程用xt表示，经d阶差分后获得平稳过程wt，即Wt=△dxt，则称xt为d阶齐次非平稳过程。完整的AR侧认(p，d，q)模型表示为: 了茂=吻十艺犷二1‘ .了’一i一名r二1民et一j+“: A印叫认(p，d，q)模型的参数估计一般是先确定原过程的平稳性，经d次差分获得平稳序列戮后，使用戮的自相关函数和偏自相关函数确定AR过程和MA过程的阶数(p，q)，然后估计模型的参数并进行相应的检验，确定模型的有效性，最后才可用于对原过程未来值的预测。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条