Sammenligning av Chinas primære energiforbruk prognoser ved å bruke ARIMA (den autoregressive integrert glidende gjennomsnittlig) modell og 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 Forskningsenter for vitenskapelig utvikling, Nanjing University of Aeronautics and Astronautics, Nanjing, 211106, Kina c Institutt for Grey System, Nanjing University of Aeronautics and Astronautics, Nanjing, 211106, Kina Mottatt 6. august 2015. Revidert 31. desember 2015. Godkjent 1. februar 2016. Tilgjengelig online 24. februar 2016. Høydepunkter GM (1,1) og ARIMA (den autoregressive integrerte bevegelsen gjennomsnittlig) modell brukes til å prognose Chinas primære energiforbruk. Residensene til de to modellene er motsatte. Hybridmodellen til de to er bedre. Kinas primære energiforbruk vil øke med en vekst på rundt 4 fra 2014 til 2020. Kinas primære energiforbruk øker raskt, noe som er sterkt knyttet til bærekraftig utvikling i Kina og har stor innvirkning på det globale energimarkedet. To univariate modeller, ARIMA (den autoregressive integrerte glidende gjennomsnittsmodellen) og GM (1,1) - modellen, brukes til å prognostisere Chinas primære energiforbruk. Resultatene av de to modellene er i tråd med kravene. Gjennom sammenligning er det funnet at de monterte verdiene til ARIMA-modellen reagerer mindre på svingningene fordi de er begrenset av sin langsiktige trend, mens de av GM (1,1) - modellen svarer mer på grunn av bruken av de siste fire dataene. Og resterne av de to modellene er motsatt i statistisk forstand, ifølge Wilcoxon signert rangtest. Så en hybridmodell er konstruert med disse to modellene, og dens MAPE (Mean Absolute Percent Error) er mindre enn ARIMA-modellen og GM (1,1) - modellen. Og så er Chinas primære energiforbruk prognostisert ved å bruke de tre modellene. Og resultatene indikerer at vekstraten i Kina primærenergiforbruk fra 2014 til 2020 vil være ganske stor, men mindre enn det første tiåret av det nye århundre. Energiforbruk Forutsigelse ARIMA modell GM (1,1) modell Tabell 1. Figur 1.Autoregressive Integrated Moving Average (ARIMA) Modeller for fødselsprognoser quotWind data fra IRUSE ble brukt for hele perioden. Målet med dette arbeidet var å prognose høyoppløsningsvindfeltet ved hjelp av Box-Jenkins Autoregressive Integrated Moving Average (ARIMA) - modellering basert på ikke-lykkede vindoppløsninger med høy oppløsning og suksessive IRUSE-vinddata 6, 7. En ikke-sesongbasert ARIMA-modell blir ofte donert som ARIMA (p, d, q), p er rekkefølgen til den auto-aggressive komponenten og q er rekkefølgen til den bevegelige middelkomponenten tilpasset de d-de forskjellene i serien. sitat Fulltekst-konferansepapir Jan 2015 Journal of American Statistical Association quotThe ARIMA-modell diskutert av Box et al. (2008) består av en populær klasse av modeller (se også, Abraham og Ledolter, 1983). ARIMA-modellen har blitt brukt til å prognose fruktbarhetsraten og de relaterte problemene av Lee (1974, 1975), Saboia (1977), McDonald (1979, 1981), citerer Vis abstrakt Skjul abstrakt ABSTRAKT: Nøyaktige prognoser for aldersspesifikke fruktbarhetshastigheter er kritisk for regjeringens politikk, planlegging og beslutningstaking. Med tilgjengeligheten av Human Fertility Database (2011), sammenligner vi den empiriske nøyaktigheten av punkt - og intervallprognosene, oppnådd ved tilnærmingen til Hyndman og Ullah (2007) og dens varianter for å prognose aldersspesifikke fertilitetshastigheter. Analysene utføres ved å bruke de aldersspesifikke fruktbarhetsdataene fra 15 mest utviklede land. Basert på en-trinns fremgang til 20-trinns prognosefeilstiltak, gir den vektede Hyndman-Ullah-metoden de mest nøyaktige poeng - og intervallprognosene for å anslå aldersspesifikke fertilitetshastigheter blant alle metodene vi undersøkte. Fulltekst Artikkel Sep 2012 Han Lin Shang quotSeveral forfattere har brukt tidsseriemetoder av seg selv, ved hjelp av autoregressive integrerte glidende gjennomsnittlige (ARIMA) metoder for å prognose totale kirter (Dodd, 1980 McDonald, 1981 og Saboia, 1977). Mens disse forsøkene ga noen innsikt i bruk av tidsseriemetoder på fruktbarhet, ignorerte prognosene fordelene ved å bruke kohort-komponentmetoder (Long, 1981). sitat Vis abstrakt Skjul abstrakt ABSTRAKT: Projeksjon av individuelle aldersspesifikke fruktbarhetsfrekvenser er et prognoseproblem med høy dimensjon. Vi løser dette dimensjonsproblemet ved å bruke parametriske kurver for å omtrentlige årlige aldersspesifikke priser og en multivariabel tidsseriemodell for å prognose kurveparametrene. Disse gir prognoser for fremtidige fruktbarhetskurver, som deretter brukes til å beregne aldersspesifikke fertilitetsprognoser. Dette reduserer dimensjonen av prognoseproblemet og garanterer også at langsiktige projeksjoner av aldersspesifikke fruktbarhetsfrekvenser vil vise en jevn form over tid som ligner på historiske data. Kortsiktige fremskrivninger forbedres ved å bruke enkle teknikker for å prognose avvikene til de tilpassede kurver fra de faktiske prisene. Artikkelen gjelder denne tilnærmingen til aldersspesifikke fruktbarhetsdata for amerikanske hvite kvinner fra 19211984. De resulterende prognosene undersøkes, og den multivariate modellen brukes til å undersøke mulige relasjoner mellom kurveparametrene, uttrykt som total fruktbarhetsrate, gjennomsnittlig alder av barnefødt, og standardavviket i alder ved fødsel. Det eneste sterke forholdet som er funnet er det samtidige forholdet mellom gjennomsnittlig og standardavvik i alder ved fødsel. En variant av denne tilnærmingen, i forbindelse med tradisjonell demografisk vurdering, ble brukt i et nylig sett av US-folketellingenes befolkningsprognoser. Vi diskuterer denne gjennomføringen og sammenligner prognosen for Census Bureau med de som produseres direkte fra modellen som presenteres her. Fulltekst Artikkel Okt 1989 Patrick A. Thompson William R. Bell John F. Long Robert B. MillerTime Seriemodeller for fødselsprognoser. Autoregressive integrerte glidende gjennomsnittlige (ARIMA) modeller utvikles for fødsels tidsseriene, og deres forhold til de klassiske modellene for populasjonsvekst blir undersøkt. Parsimoniske versjoner av ARIMA-modellene er oppnådd som beholder de viktigste delene av informasjonen, inkludert lengden av generasjon av befolkningen. Teknikken brukes på menneskelige befolkningsdata (Mexico og Norge) og prognoser oppnås. En årsaksmodell knyttet til ekteskap til fødselen er også utviklet og anvendt. Legg til en anmeldelse og del dine tanker med andre lesere. Vær den første. Legg til en anmeldelse og del dine tanker med andre lesere. Vær den første. Legg til koder for Time Series-modeller for fødselsprognoser. Vær den første. Lignende gjenstander Beslektede emner: (10) Bekreft denne forespørsel Du har kanskje allerede forespurt dette produktet. Vennligst velg Ok hvis du vil fortsette med denne forespørselen uansett. Tidslinjesmodeller for koblede data primære enheter for fødselsprognoser. et skjema: bok. skjema: CreativeWork bibliotek: oclcnum 227385200 bibliotek: placeOfPublication Ft. Belvoir bibliotek: placeOfPublication skjema: om matematisk modeller skjema: om tidsserie analyse skjema: om sosiologi og lov skjema: om fødselsskjema: om befolkning vekst skjema: om norge skjema: om prognos skjema: om befolkning skjema: om mexico skjema: om utvikling land skjema: bookFormat bgn: PrintBook skjema: bidragsyter Joao LM Saboia skjema: bidragsyter CALIFORNIA UNIV BERKELEY OPERATIONS FORSKNINGSENTER. skjema: datePublished APR 1975 skjema: datePublisert 1975 skjema: beskrivelse Autoregressive integrerte glidende gjennomsnittlige (ARIMA) modeller er utviklet for fødsels tidsseriene, og deres forhold til klassiske modeller for befolkningsvekst undersøkes. Parsimoniske versjoner av ARIMA-modellene er oppnådd som beholder de viktigste delene av informasjonen, inkludert lengden av generasjon av befolkningen. Teknikken brukes på menneskelige befolkningsdata (Mexico og Norge) og prognoser oppnås. En årsaksmodell knyttet til ekteskap til fødselen er også utviklet og anvendt. en skjema: exampleOfWork-skjema: inLanguage en skjema: navn Tidsseriemodeller for fødselsprognoser. en skjema: productID 227385200 skjema: publiseringsskjema: utgiver Defence Technical Information Center wdrs: describedby. Beslektede enheter Defence Technical Information Center et bgn: Agentskjema: navn Defence Technical Information Center. CALIFORNIA UNIV BERKELEY OPERATIONS FORSKNINGSENTER. et skjema: Organisasjonsskjema: navn CALIFORNIA UNIV BERKELEY OPERATIONS RESEARCH CENTER. .
Comments
Post a Comment