海拉尔地区降水量的ARIMA乘积季节模型研究

1个地区降水量的变化受到诸多因素的影响,其既有长期趋势、季节效应,又具有随机扰动效应。在降水量的分析中,找出所有影响降水量的变化因素是十分困难的,因此可以利用降水量序列的自身变化来寻找序列中蕴含的发展规律。本文以海拉尔地区1957年1月~2007年8月逐月平均降水量数据为基础,应用SAS统计软件经过多次拟合优选,最终建立了适合海拉尔地区月平均降水量的AR IMA(p,d,q)×(P,D,Q)s乘积模型,并利用该模型对海拉尔地区2007年的降水量进行了预测。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

长江靖江段沿岸似鳊的时间格局及生长特征

为了解长江下游沿岸似鳊（Pseudobrama simoni）的种群变动及生长状况,研究了2002-2009年间在靖江沿岸用定置张网采集的每月2次或3次共237份渔获物样本。结果表明：237份样本共有鱼类73 960尾、409 256.23 g。其中似鳊4 253尾、39 618.05 g,分别占总渔获量的5.75%和9.68%。平均每样本19尾、180.08 g,最高达145尾、1714.6 g。时间格局分析表明,似鳊月渔获重量呈非平稳的随机过程,对2002-2009年的月渔获重量进行ARIMA建模拟合,建立了方程为 (1－0.387B)（1－B¹²）lny_t=（1－0.555B¹²）e_t的ARIMA（1,0,0）（0,1,1）₁₂的预测模型,该模型对2003-2009年的预测精度达83.21 %～93.90%。对2005年采集的全部个体作性别、年龄和生长特征分析,显示似鳊的雌雄性比为1∶2.3。雄性有1～3龄3个年龄组,雌性只有1～2龄2个年龄组,年龄结构明显低于姚江和钱塘江种群。雄性的Von bertalanffy生长方程为：体长L_t=147.17×［1－e^{－0.1648×(t+3.2036)}］,体重W_t=44.36×［1－e^{－0.1648×(t+3.2036)}］^2.785;推算的渐近体长L_∞为147.17 mm,渐近体重W_∞为44.36 g。     

Seasonal patterns of dispersal of ascospores of Cryphonectria parasitica (chestnut blight)

Infected barks of chestnut blight cankers, caused by Cryphonectria parasitica , were collected from a naturally infected orchard and incubated at different temperatures. Cankers started to discharge ascospores about a week after incubation at 15–25°C; most ascospores were collected at 20 and 25°C. When incubated at 5, 10 or 30°C, only a few cankers released a small number of ascospores and only during the later stages of incubation. However, the rate of formation of perithecia was not affected by the incubation temperature. The number of airborne ascospores was monitored using a volumetric spore trap in a chestnut orchard during 1996 and 1997. In both years, the number of ascospores trapped daily varied greatly, but in general it increased sharply from March onwards, reached a peak in May, and then declined steeply. There was a significant correlation between daily counts of ascospores and air temperature. Time-series transfer function (TF) analysis showed a positive association of the daily number of ascospores with increasing temperature, rain events and wet/humid conditions. In general, values predicted by the TF model agreed well with the observed pattern. However, a multiple regression equation based on TF analysis failed to provide a satisfactory prediction of the daily number of ascospores.     

ARIMA模型预测土壤墒情研究

土壤水分的动态模拟是土壤墒情(旱情)监测及预测预报的重要内容。采用AR IM A模型进行土壤水分时间序列的拟合与趋势预测。在建立模型后,用实测数据与模型的预测数据相比较说明AR IM A时间序列模型能较好地拟合与预测土壤墒情的变化趋势。     

我国大豆加工企业的动态套期保值业务模式

为提高我国大豆加工企业的价格风险管理水平提供理论参考,基于套期保值理论,采用ARIMA模型和VAR模型对国内大豆和豆油的价格与基差变动进行预测,提出大豆加工企业的动态套期保值业务模式。结论:大豆加工企业应首先根据未来大豆和豆油价格变化趋势的预测,确定是否存在价格波动风险并决定是否进行套期保值;其次,根据现货和期货市场的价格波动情况确定合适的套期保值比率;最后,根据预测的基差变化趋势,动态调整套期保值的交易策略。     

科技成果转化过程分析

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

变桨距风力发电系统模糊控制

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA＜107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

基于条件植被温度指数的冬小麦产量预测

条件植被温度指数(VTCI)综合了地表主要参数——植被指数(NDVI)和地表温度(LST),能够较为准确地对干旱进行监测,可为抗旱救灾、遥感作物估产等提供科学依据。在改进层次分析法的加权VTCI与冬小麦产量的相关性研究成果和VTCI的季节性ARIMA模型干旱预测研究成果基础上,对关中平原的冬小麦产量进行向前1旬、2旬和3旬的预测研究。研究结果表明,产量预测结果与产量监测结果吻合较好,预测精度随着预测步长的增大而降低,关中平原4个地级市平均产量预测结果的最大相对误差为3.27%,说明用该方法可以进行向前3旬的产量预测。