Abstract ：

针对某时刻存在异常的序列数据，首先建立添加异常值或干预效应的ARIMA (Autoregressive Integrated Moving Average)模型，之后应用LSTM (Long-Short Term Memory)模型对ARIMA模型残差序列进行深度学习。通过对波动较为明显的股票收盘价格日度数据和受“新冠”疫情影响的公路货运量序列数据进行实证分析，证实该模型在对某时刻发生不同程度突变的试验数据进行预测时，能够明显提高预测精度。

Keyword ：

LSTM ARIMA 干预分析 组合模型 预测

Cite：

Copy from the list or Export to your reference management。

Abstract ：

汇率波动率是刻画外汇金融资产收益变化程度的指标，也是度量外汇风险的方法之一，汇率波动对经济与金融系统都有重要的影响。由于非平稳和非线性的特征，准确预测汇率波动率一直是金融研究的重点和难点。为了提高预测汇率波动率的准确性，本文采用基于人民币汇率高频数据计算的已实现波动率和机器学习方法，对数据进行分解集成和建模，提出了一种有效的多尺度EEMD-PSR-SVR-ARIMA预测模型。具体过程如下：首先，采用集合经验模态分解(EEMD)的方法将复杂的时间序列分解成不同尺度的本征模态函数和趋势项；然后采用支持向量回归(SVR)的方法对本征模态函数进行预测，并利用相空间重构和粒子群优化的方法来确定SVR模型的输入维数与参数。同时，使用差分自回归移动平均模型(ARIMA)预测趋势项；最后集成得到模型预测的结果。实证结果表明EEMD-PSR-SVR-ARIMA模型可以有效地提高汇率波动率预测的精度。

Keyword ：

汇率波动率预测 支持向量回归 集成经验模态分解 相空间重构

Cite：

Copy from the list or Export to your reference management。

Abstract ：

为准确预测路网整体的车辆运行状态,利用MFD在外界相似条件下具有良好再现性的重要性质,提出一种基于(包括时间轴在内的)三次元MFD和ARIMA模型的区域宏观交通状态的短时预测方法。该模型由表征历史数据特征的趋势项与表示预测当天宏观交通状况微小变动的随机项等2部分组成。其中,趋势项由三次元MFD的历史数据计算得出,随机项由ARIMA模型计算得出。以日本冲绳县那霸市中心商业区为例进行分析,结果表明,该模型可以较小的相对误差来实现对未来短时间内(30 min)的区域宏观交通状态预测。

Keyword ：

宏观交通状态 预测方法 ARIMA模型 三次元MFD 路网总流量 路网车辆数

Cite：

Copy from the list or Export to your reference management。

Abstract ：

基于三次元MFD和ARIMA模型的区域宏观交通状态预测方法

Keyword ：

三次元MFD 路网总流量 ARIMA模型 路网车辆数 预测方法 宏观交通状态

Cite：

Copy from the list or Export to your reference management。

Abstract ：

受全球疫情蔓延的影响,世界经济面临着高度的不确定性。作为世界第一大经济体的美国因受疫情的冲击,经济增长受到重大影响。文章选取SPY 500的日收盘价作为研究数据,分别从序列水平和波动性两个角度,进行短期预测和波动性分析。结果显示:ARIMA模型对SPY 500日收盘价的短期预测值与实际值相对误差小,GARCH模型较好地拟合了股票价格,并估计出风险区间,希望能为短期投资者和股票决策者提供一定参考。

Keyword ：

条件异方差时间序列 整合移动平均自回归模型 广义自回归条件异方差模型

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种基于自回归移动平均和支持向量机的农产品需求量预测方法，由于农产品在市场的需求量上具有明显的波动性和季节性差异，以ARIMA模型预测农产品需求量变动的线性趋势，SVM模型预测农产品需求量变动的非线性规律，有效的弥补了自回归移动平均算法对非线性序列的局限性，同时又发挥了自回归移动平均算法特有的差分运算和支持向量机模拟非线性、自适应自学习的优点。与使用单独的自回归移动平均和支持向量机相比较，基于自回归移动平均和支持向量机的农产品需求量预测方法可以提高预测的精确度，准确把握农产品需求量变动趋势，比单个模型的预测结果更合理、更可靠，可以作为农产品需求量时间序列预测的有效工具。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种基于SARIMA‑WNN模型预测弹性云计算资源的方法，利用季节时间序列模型(SARIMA)结合小波神经网络(WNN)预测模型，实现优势互补，提高预测精度；SARIMA是在ARIMA模型的基础上加入了季节周期性因素，将过去一段周期性的云资源需求数据输入到SARIMA(q，d，q)(P，D，Q)s模型中, 分别得出d、p、q、D、P、Q；运用SARIMA模型进行对平稳化序列后的代码进行预测，通过预测可以得出预测结果标记为以及L残差值标记为rt；利用训练样本对WNN网络进行训练得出符合预测弹性云资源的模型，然后针对残差序列rt进行预测，把预测结果标记为；最后得到SARIMA‑WNN组合模型预测的结果，本发明解决了单一模型不准确以及其他组合模型效果差等问题。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对北京市废弃生物质资源进行系统调研和初步评估,估算北京市的废弃生物质资源潜力,由目前生物质资源的保有量数据构建了ARIMA模型,对北京市潜在废弃生物质资源进行预测,估算未来几年生物质废弃物资源化利用量,为生物质能替代化石能源,减小北京能源供应压力提供依据。研究结果表明:2017年北京市农业生物质废弃物的资源化利用潜力为44.08万t标煤,未来可开发量趋于平稳;2017年餐厨垃圾的资源化利用潜力为46.81万t标煤,未来总量仍不断增长,可开发潜力巨大。

Keyword ：

生物质废弃物 潜力预测 北京市 ARIMA模型

Cite：

Copy from the list or Export to your reference management。

Abstract ：

公共租赁住房作为当前我国保障性住房发展的主要品种,其租金定价问题关系到住房保障制度的可持续发展。北京市是国内发展公共租赁住房最早的城市之一,公共租赁住房发展模式特别是定价机制对国内其他大城市具有很强的借鉴价值。本文以北京市为例,通过分析总结北京市公租房发展现状、特点,结合世界各国经验,提出了符合首都城市发展特点的公共租赁住房定价机制,即要统筹宏观与微观、时间与空间、效率与公平,把握住"可承受、可持续"的双目标,兼容市场、成本、家庭收入三个定租因素,综合确定公租房租金水平,并运用ARIMA模型,设计了公共租赁住房定价模型;同时就租金调整、特殊家庭补贴以及公租房对房地产市场的影响进行了分析,对下一...

Keyword ：

北京市 公共租赁住房 定价

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开一种基于格拉布斯准则与ARIMA的GWAC光变曲线异常检测方法，包括：使用格拉布斯准则对GWAC光变曲线进行过滤，筛选出其中可疑值；将通过格拉布斯准则筛选出的可疑值进行平稳性检测，将不平稳的数据进行差分，使其成为平稳序列；将最终平稳化的数据通过ARIMA模型进行预测；若是对差分序列进行预测则将其还原，得到对可疑值的预测值；对此序列当前可疑值之前的数据做相同预测并求得预测误差的平均值作为预测误差标准将其与可疑值的预测值进行比较，从而最终判断是否为光变曲线的异常值。采用本发明的技术方案，对GWAC观测到的天文星体的亮度所形成的光变曲线进行检测，以便发现其中异常的星体。

Cite：

Copy from the list or Export to your reference management。