蒸散量变化的随机模型

根据参考作物蒸散量时间序列的随机变化特征，本文探讨了建立蒸散量变化的自回归滑动平均（ARMA（p，q）模型的方法。应用矩估计法对模型作初步估计，用最小二乘法对ARMA（p，q）模型参数作精估计，模型最佳阶数判别采用AIC准则。结果表明，蒸散量的随机变化特征可用ARMA（1，1）模型描述。最后，根据建立的模型对蒸散量进行了预测。     

基于ARMA模型的兰州市经济增长的实证研究

根据兰州市1990~2013年地区生产总值GDP的时序数据,建立兰州市实际GDP的ARMA模型,研究兰州市经济增长动态路径。研究表明,兰州市实际地区生产总值动态增长路径表现为ARMA(2,7)过程,ARMA(2,7)模型估计的兰州市GDP增长率与现实GDP增长率之间的误差要小于"十五"、"十一五"规划的GDP增长率与现实GDP增长率之间的误差,2013年模型预测值与当期值之间仅差19.2亿元,ARMA(2,7)模型预测的准确度较高,兰州市未来经济将继续保持增长趋势。因此,此模型可以为兰州市规划未来经济增长目标提供实证模型参考。     

基于小波分解的凡纳滨对虾养殖水体水质的仿真研究

依据凡纳滨对虾养殖水体中测定的水质数据,利用ARMA 模型和神经网络模型两种方法对水质动态进行预测和分 析,提出了一种基于小波分解且针对凡纳滨对虾养殖水体水质预测的ARMA 模型,且ARMA（p,q）模型中的p 值和q 值分别为4和2。预测结果表明,所建立的预测模型精度较高。将ARMA 模型预测的结果与神经网络预测的结果进行了对比后发现,基于小波分解的ARMA 模型对对虾养殖水体水质预测的有效性和准确性优于神经网络预测模型。     

基于ARMA模型对招商银行股票价格的预测

ARMA模型是经济领域研究的一种重要工具,本文主要介绍了建立ARMA模型的基本方法,并据此对招商银行股票的历史数据建模,从而推断其未来趋势,结果表明,ARMA模型能够在一定程度上尤其是短期指导投资者投资股票;但由于股票价格波动大等原因,远期预测将会与真实值产生大的分离。     

河南省经济增长的时间序列模型分析

在平稳性时间序列判定的基础上,对GDP增长率建立适当的ARMA(p,q)模型,根据样本自相关函数和偏自相关函数,可以判定河南省GDP增长率的时间序列模型为AR(1),即该模型的模型阶数为1。对AR(1)分别进行YuleWalker方程估计和最小二乘法估计,确定两模型均可用作随机时间模型分析。分析结果显示,通过最小二乘法估计的模型能够更好地用于预测。预测显示,河南省GDP增长在未来仍会持续,只是增长率会逐步下降。     

湖北省农村居民人均纯收入的时间序列模型

本文利用湖北省1980—2008年农村居民人均纯收入时间序列数据，建立了ARMA（自回归移动平均）模型进行时间序列分析。分析结果表明，ARMA（1，1）模型能够提供较好的预测结果，因而可以用其进行预测，为相关部门提供参考数据。     

基于ARMA模型的中国农产品价格的分析与预警

采用ARMA 模型,对中国农产品生产价格指数(1979-2010)时间序列进行了建模分析.结果表明,ARMA（5,1）模型是平稳的且是可逆的.对2011-2013的中国农产品生产价格指数GPIFP进行了短期预测.预测结果分别是112,102和108.采用ARMA模型进行农产品生产价格指数的分析与预测,能较好地反映其动态变化,对促进我国农产品价格市场和谐发展具有重要的参考价值.     

基于ARMA模型的运城市果蔬肉类价格预测研究

[目的]预测果蔬肉类价格。[方法]采用自回归滑动平均模型(ARMA模型)对价格进行预测。[结果]近6周的预测结果可信度高,具有较低的相对误差率。[结论]运用ARMA模型可对果蔬肉类价格进行预测且预测效果良好。     

卷烟烟气焦油量的ARMA预测模型研究

[目的]为计算机辅助配方研究提供理论依据。[方法]以同一品牌不同批次卷烟的烟气焦油量为研究对象,采用时间序列分析法,建立了卷烟烟气焦油量的预测模型,并进行了模型预测验证。[结果]ARMA(22,)模型的AIC、LF和FPE值在各模型中均最小,所以选择ARMA(2,2)为卷烟烟气焦油量的预测模型,即:(1-1.622 q-1+0.844 q-2)y(t)=(1-1.836 q-1+1.02 q-2)e(t)。根据对模型残差序列进行的白噪声检验判定,建立的ARMA(2,2)模型是显著有效模型,模型预测验证表明模型预测精度达99.51%,平均相对误差为0.49%,属于一级(优等)模型。时间序列一般用于短期预测,不能用于长期预测。[结论]该研究建立的卷烟烟气焦油量的ARMA(2,2)预测模型的预测精度高、误差小,可以用于卷烟烟气焦油量的短期预测。     

基于ADL-GARCH的电价预测模型及其应用

根据电价序列的特点,首先利用动态计量经济理论构建出一般的自回归分布滞后ADL模型,通过检验统计量修正得到ARMA短期电价预测模型,然后对ARMA模型进行GARCH效应检验,最后根据检验结果构建出ARMA-GARCH的短期电价预测模型.利用新模型对美国加州电力市场的电价进行短期预测,结果表明,新模型能够有效地跟踪实际电价变化的趋势,具有较高的预测精度和良好的适应性.     

超宽带信道频率域AR模型建立与仿真

IEEE802.15.3a推荐的超宽带信道模型的参数较多,在计算机仿真中实现起来比较繁琐.近年来频率域自回归模型由于其参数较少,计算机仿真过程较为简便而得到广泛的应用.通过对广义平稳非相关散射过程的分析,探讨了建立超宽带信道频率域自回归模型的可行性.仿真结果表明频率域自回归模型在超宽带多径信道描述上有着明显的优势.     

偏最小二乘回归模型在非点源负荷预测中的应用

将偏最小二乘回归模型应用于流域非点源污染年负荷量预测,并与基于最小二乘的多元线性回归模型预测结果进行了对比。实例计算分析结果表明,偏最小二乘回归分析实现了多元回归、主成分分析和典型相关分析的综合,能较好地处理变量之间的多重相关性问题,建模所需样本少,且计算结果合理,具有较好的推广应用价值。     

基于AR模型的MEMS陀螺误差补偿方法研究

针对MEMS(Microelectro Mechanical Systems）陀螺具有成本低、体积小但误差较大的问题,探讨MEMS陀螺的误差补偿方法。基于AR模型方法,采集MEMS陀螺原始信号,对原始信号进行预处理,利用预处理后的数据建立陀螺的AR(Auto Regressive)模型,辨识出模型参数。利用该模型对陀螺信号进行误差补偿,计算出陀螺的较精确值。通过对某MEMS陀螺误差补偿的静态和动态试验表明,提出的方法能够有效地减小误差,提高陀螺的测量精度。     

基于LMD和AR模型的转子系统故障诊断方法

提出了基于局部均值分解（Local mean decomposition,简称LMD）和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF（Product function,简称PF）分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小.     

ARMA模型在土地利用需求量预测中的应用——以锦葫沿海地区耕地为例

基于3S技术和Landsat TM遥感影像解译的1990、2000和2010年的锦葫沿海地区土地利用分类图,利用Arcgis计算这三个时期耕地面积,并采用线性插值方法得到1990-2020年间其他年份的耕地面积作为ARMA(p,q)模型预测的样本数据.应用Eviews 6.0软件得出耕地的预测模型为:x(1)=0.999 4 xt-1+εt-0.889 8 εt-(1o),据此预测出锦葫沿海地区2011～2020年的耕地需求量.研究可为土地利用空间模拟的科学性提供支撑.     

基于高光谱参数的竹叶叶绿素质量分数估算模型

为研究竹叶叶绿素质量分数和高光谱参数的相关性,建立叶绿素质量分数估算模型。利用Field Spec4便携式地物光谱仪采集无病虫害的箭竹竹叶光谱,使用SPAD-502叶绿素仪测定相应竹叶的叶绿素质量分数,分析竹叶叶绿素质量分数与原始光谱、一阶导数光谱以及提取的光谱特征参数之间的相关性,采用线性和非线性分析法构建叶绿素质量分数估算模型并进行精度检验。结果表明:(1)竹叶叶绿素质量分数在原始光谱反射率762 nm处相关系数达到最大值,相关系数为0.544 3;在一阶导数光谱反射率689 nm和726 nm处分别达到了极显著相关水平,相关系数分别为-0.747 9和0.907 9。(2)基于λ_b、λ_r、S_(Dr)/S_(Db)和(S_(Dr)-S_(Db))/(S_(Dr)+S_(Db))等光谱参数都与叶绿素质量分数达到了极显著相关水平。(3)采用相关性达到极显著水平的4种光谱参数以及689、726 nm处的一阶导数光谱反射率,构建叶绿素质量分数估算模型。依据决定系数(R2)最高,筛选出的回归估算模型中,基于一阶导数光谱反射率在726 nm处的线性模型R~2最高,为0.882 8,均方根误差(R_(MSE))和相对误差(RE)最小,分别为1.7050%和4.18%。因此,一阶导数光谱反射率在726 nm处的线性模型为竹叶叶绿素质量分数的最佳估算模型。     

基于AR特征的刀具状态识别方法

通过分析切削过程刀具产生的振动信号的特点,引入自回归(AR)模型来表征刀具切削过程的工作状态;并利用隐Markov模型(HMM)对经AR模型处理后得到的特征向量(AR系数)和由FFT得到的特征向量(幅值谱)进行比较.结果表明:对于切削过程产生的振动信号采用AR模型得到的特征参数比由FFT得到的幅值谱更能有效地表征这一过程中刀具的工作状态.     

四川省农村居民生活消费增长分析及预测——基于Markov预测和ARMA模型

选取1978～2009年四川农村居民人均生活消费值的32个样本,首先,通过Markov预测法预测未来生活消费水平的增长速度以10%～20%的概率较大;然后,为提高预测精度,在传统ARMA模型中加入时间变量t进行建模并预测,预测结果表明平均相对误差率为1.56%,其中2006～2009年的相对误差的绝对值均小于0.5%;最后,将Markov预测和ARMA模型对2010～2012年的预测结果对比,发现两者在生活消费增长幅度上吻合,预测结果可靠。结果表明,在与目前相似的政策力度下,短期内四川省农村居民消费需求将持续增长,需进一步扩大消费市场。