Jämförelse av Chinas primära energikonsumtionsprognos genom att använda ARIMA (den autogegrativa integrerade glidande genomsnittsmodellen) och GM (1,1) modell Chaoqing Yuan a, b ,. Sifeng Liu a, c Zhigeng Fang a, ca College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing, 211106, Kina b Forskningscenter för vetenskaplig utveckling, Nanjing University of Aeronautics and Astronautics, Nanjing, 211106, Kina c Grey System, Nanjing University of Aeronautics and Astronautics, Nanjing, 211106, Kina Mottagad 6 augusti 2015. Reviderad 31 december 2015. Godkänd den 1 februari 2016. Tillgänglig online den 24 februari 2016. Höjdpunkter GM (1,1) och ARIMA (den autoregressiva integrerade rörelsen genomsnittlig) modell används för att prognostisera Chinas primära energiförbrukning. Resterna av de två modellerna är motsatta. Hybridmodellen av de två är bättre. Kinas primära energiförbrukning ökar med en tillväxt på cirka 4 från 2014 till 2020. Kinas primära energiförbrukning ökar snabbt, vilket är mycket relaterat till den hållbara utvecklingen i Kina och har stor inverkan på den globala energimarknaden. Två univariata modeller, ARIMA (den autogegasiva integrerade glidande genomsnittsmodellen) och GM (1,1) - modellen, används för att prognostisera Chinas primära energiförbrukning. Resultaten av de två modellerna överensstämmer med kraven. Genom att jämföra det konstateras att de monterade värdena för ARIMA-modellen svarar mindre på fluktuationerna, eftersom de är bundna av sin långsiktiga trend medan de av GM (1,1) - modellen svarar mer på grund av användningen av de senaste fyra data. Och resterna av de två modellerna är motsatta i statistisk mening, enligt Wilcoxons signerade ranktest. Så en hybridmodell är konstruerad med dessa två modeller, och dess MAPE (Mean Absolute Percent Error) är mindre än ARIMA-modellen och GM (1,1) - modellen. Och sedan prognostiseras Chinas primära energiförbrukning genom att använda de tre modellerna. Och resultaten tyder på att tillväxten av Chinas primära energiförbrukning från 2014 till 2020 kommer att vara ganska stor, men mindre än det första årtiondet av det nya århundradet. Energiförbrukning Förutsägelse ARIMA-modell GM (1,1) modell Tabell 1. Figur 1.Autoregressiva integrerade rörliga medelvärden (ARIMA) Modeller för födelseprognoser quotWind-data från IRUSE användes under hela perioden. Målet med detta arbete var att prognostisera vindfältet med hög upplösning med hjälp av Box-Jenkins Autoregressive Integrated Moving Average (ARIMA) - modell baserad på ouppnålig högupplösningsvinddata och successiv IRUSE-vinddata 6, 7. En icke-säsongsbetonad ARIMA-modell doneras ofta som ARIMA (p, d, q), p är ordningen för den auto-aggressiva komponenten och q är ordningen för den glidande medelkomponenten anpassad till de femte skillnaderna i serien. citationstext konferenspublikation Jan 2015 Journal of the American Statistical Association citationstecken ARIMA-modellen diskuterad av Box et al. (2008) omfattar en populär klass av modeller (se även Abraham och Ledolter, 1983). ARIMA-modellen har tillämpats för att förutse fertilitetsprocenten och dess relaterade problem av Lee (1974, 1975), Saboia (1977), McDonald (1979, 1981), citationstecken Visa abstrakt Dölj abstrakt ABSTRAKT: Noggranna prognoser för åldersspecifika fertilitetshastigheter är kritisk för regeringens politik, planering och beslutsfattande. Med tillgången på Human Fertility Database (2011) jämför vi den empiriska noggrannheten av punkt - och intervallprognoserna, erhållna genom Hyndmans och Ullahs (2007) synsätt och dess varianter för prognoser för åldersspecifika fertilitetshastigheter. Analyserna utförs med hjälp av åldersspecifika fertilitetsdata från 15 mest utvecklade länder. Baserat på ett steg framåt i prognosfelåtgärder med 20 steg framåt ger den viktade Hyndman-Ullah-metoden de mest exakta punkt - och intervallprognoserna för prognoser för åldersspecifika fertilitetshastigheter bland alla metoder som vi undersökte. Fulltext Artikel september 2012 Han Lin Shang quotSeveral författare har själva tillämpat tidsseriemetoder, med hjälp av autoregressiva integrerade glidande medelvärden (ARIMA) metoder för att prognostisera total kirths (Dodd, 1980 McDonald, 1981 och Saboia, 1977). Medan dessa ansträngningar gav viss inblick i användningen av tidsseriemetoder på fertilitet, ignorerades prognoserna fördelen av att använda kohort-komponentmetoder (Long, 1981). citationstecken Visa abstrakt Dölj abstrakt ABSTRAKT: Projektion av individuella åldersspecifika fertilitetshastigheter är ett prognosproblem med hög dimension. Vi löser detta dimensionsproblem genom att använda parametriska kurvor för att approximera de årliga åldersspecifika räntorna och en multivariativ tidsseriemodell för att prognostisera kurvparametrarna. Dessa ger prognoser för framtida fertilitetskurvor, vilka sedan används för att beräkna åldersspecifika fertilitetsprognoser. Detta minskar dimensioneringen av prognosproblemet och garanterar också att långsiktiga prognoser av åldersspecifika fertilitetshastigheter kommer att uppvisa en jämn form över ålder som liknar historiska data. Kortsiktiga projektioner förbättras genom att även använda enkla tekniker för att prognostisera avvikelserna hos de anpassade kurvorna från de faktiska räntorna. I artikeln tillämpas detta tillvägagångssätt för åldersspecifika fertilitetsdata för amerikanska vita kvinnor från 19211984. De resulterande prognoserna undersöks och den multivariata modellen används för att undersöka möjliga relationer mellan kurvparametrarna, uttryckt som total fertilitetshastighet, medelåldern för födseln och standardavvikelsen vid åldern vid födseln. Det enda starka förhållandet som hittas är det samtidiga förhållandet mellan ålderns medel - och standardavvikelse vid födseln. En variation av detta tillvägagångssätt, i kombination med traditionell demografisk bedömning, användes i en nyligen uppsättning amerikanska folkräkningskontorets befolkningsprognoser. Vi diskuterar detta genomförande och jämför censusbyråns prognoser med de som produceras direkt från den modell som presenteras här. Fulltext Artikel okt 1989 Patrick A. Thompson William R. Bell John F. Lång Robert B. MillerTime Seriemodeller för födelseprognoser. Autoregressiva integrerade glidande medelvärden (ARIMA) modeller utvecklas för födelsetidsserien, och deras förhållande till de klassiska modellerna för befolkningstillväxt undersöks. Parsimoniska versioner av ARIMA-modellerna erhålls som behåller de viktigaste bitarna av information inklusive befolkningens längd. Tekniken tillämpas på mänskliga befolkningsdata (Mexiko och Norge) och prognoser erhålls. En orsaksmodell om äktenskap till födseln utvecklas och tillämpas också. Lägg till en recension och dela dina tankar med andra läsare. Var den första. Lägg till en recension och dela dina tankar med andra läsare. Var den första. Lägg till taggar för Time Series-modeller för födelseprognoser .. Var den första. Liknande artiklar Relaterade ämnen: (10) Bekräfta denna förfrågan Du har kanske redan begärt det här objektet. Var god välj Ok om du vill fortsätta med denna förfrågan ändå. Tidslinjesmodeller för kopplad data för primära enheter för födelseprognoser. ett schema: bok. schema: CreativeWork bibliotek: oclcnum 227385200 bibliotek: placeOfPublication Ft. Belvoir-bibliotek: placeOfPublication schema: om matematiska modeller schema: om tidsserie analys schema: om sociologi och juridik schema: om födelseskema: om befolkningstillväxt schema: om norge schema: om prognos schema: om befolkning schema: om mexico schema: om utveckling länder schema: bookFormat bgn: PrintBook schema: bidragsgivaren Joao LM Saboia schema: bidragsgivare CALIFORNIA UNIV BERKELEY OPERATIONS RESEARCH CENTER. schema: datePublished APR 1975 schema: datePublished 1975 schema: description Autoregressive Integrated Moving Average (ARIMA) modeller utvecklas för födelsetidsserien, och deras förhållande till de klassiska modellerna för befolkningstillväxt undersöks. Parsimoniska versioner av ARIMA-modellerna erhålls som behåller de viktigaste bitarna av information inklusive befolkningens längd. Tekniken tillämpas på mänskliga befolkningsdata (Mexiko och Norge) och prognoser erhålls. En orsaksmodell om äktenskap till födseln utvecklas och tillämpas också. en schema: exampleOfWork schema: inLanguage en schema: namn Tidsseriemodeller för födelseprognoser. en schema: productID 227385200 schema: publikationsschema: utgivare försvars teknisk information center wdrs: describedby. Relaterade enheter Försvar Teknisk informationscenter a bgn: Agentschema: namn Defence Technical Information Center. CALIFORNIEN UNIV BERKELEY OPERATIONER FORSKNINGS CENTER. ett schema: Organisationsschema: namn CALIFORNIA UNIV BERKELEY OPERATIONS RESEARCH CENTER. .
No comments:
Post a Comment