時間序列
- 計量視角下離群值識別法的研究綜述與展望
模型；估計；時間序列；面板數據中圖分類號：O212 ?文獻標識碼：A ?文章編號：1673-260X（2023）07-0004-061 引言目前，對離群值的識別和處理的課題一直備受學者們關注，這是因為離群值會大幅惡化基于模型和估計的實證結果，使其出現嚴重的偏差和錯誤的預測。目前，離群值最常用的識別和處理方法有簡單去除法和縮尾處理法。簡單去除法是學者們根據數據本身的特征和直觀意識來判斷，將那些極值點（離群值）直接去除，以得到更穩定更有效的實證結果，但從統計學
赤峰學院學報·自然科學版 2023年7期2023-08-26
- 基于數據分解和深度強化學習的交通流預測方法
局部加權回歸時間序列分解方法將數據分解為趨勢分量、季節分量和剩余分量.趨勢分量由門控循環單元（GRU）訓練，季節分量和剩余分量作為環境狀態采用策略梯度算法和強化學習模型學習，根據門控循環單元網絡的趨勢預測結果，環境狀態對預測結果進行及時調整.實驗結果表明，本文提出的方法優于其他模型.關鍵詞：交通流預測；強化學習；時間序列；策略梯度[? ?中圖分類號? ? ]TP391[? ? 文獻標志碼? ?]? ATraffic Flow Prediction Meth
牡丹江師范學院學報（自然科學版） 2023年3期2023-08-09
- 山東省數字普惠金融對企業發展的影響
字普惠金融；時間序列；企業經濟；實質性創新一、引言數字普惠金融通過數字技術加強和完善金融基礎設施，以較低的成本向社會各界提供多樣的金融服務，從而有效地為全社會提供完善的金融服務。普惠金融涉及服務范圍較廣，包括支付、存款、貸款、保險、信用服務和證券等多種業務領域。隨著數字經濟的發展，數字化賦能金融，對投資融資等金融服務實現數字化創新應用，帶動產業轉型升級，推動企業科技創新，增強金融實體經濟能力?，F階段數字普惠金融已深入百姓生活，改變了人們的投資和支付方式，革
商場現代化 2023年9期2023-07-25
- 基于Elman神經網絡的風速時間序列預測實例
? 要：風速時間序列具有非線性和非平穩性的特點，傳統的預測方法難以建立風速間的函數關系，因此風速時間序列的預測結果精度不高。人工神經網絡所具有的強非線性擬合能力有效地解決了風速時間序列難以預測的痛點，文章選擇Elman神經網絡預測全國3個地區不同尺度的風速時間序列，初步探討了神經網絡風速預測的可行性。結果表明，Elman神經網絡經過訓練，具有時序非線性擬合的能力，但預測結果精度尚未提高。關鍵詞：時間序列；風速預測；Elman神經網絡；預測精度中圖分類號：T
現代信息科技 2023年3期2023-06-22
- 基于參考點信息預測的動態多目標優化經濟決策模型研究
個體質心建立時間序列，通過灰色預測策略產生預測個體；同時為了增加種群的多樣性，在每個預測個體加上擾動。實驗結果表明RGPS模型在處理動態多目標經濟決策問題的有效性。關鍵詞：動態多目標優化；灰色預測；參考點；時間序列中圖分類號：F224.3? ? ? ? 文獻標識碼：A? ? ? ? ? 文章編號：1671-9255（2023）01-0043-05一、文獻綜述隨著中國開放經濟已成體系并日益復雜，在科學管理與經濟決策的許多應用領域中存在著很多動態多目標優化問題
安徽商貿職業技術學院學報·社會科學版 2023年1期2023-05-30
- 基于時間序列的上證綜合指數分析及預測
鑒于此，選取時間序列作為模型，使用R語言作為實現的軟件，先對序列進行平穩性檢驗和白噪聲檢驗，計算出不同的模型的AIC值，最終選擇ARIMA（2，2，0）作為報告使用模型，用時間序列回歸來對上證綜指進行擬合預測。關鍵詞：時間序列；上證綜指；ARIMA中圖分類號：F224? ? ? ?文獻標志碼：A? ? ? 文章編號：1673-291X（2023）07-0088-03引言在經濟高速發展的社會，無論是商業活動還是金融活動大多都會采用回歸分析等方式對未來做出預測
經濟研究導刊 2023年7期2023-05-21
- 生育決策模型視角下江蘇生育率演變趨勢及成因分析
出。本文運用時間序列數據，對江蘇20余年的生育率演變規律及成因進行分析，認為可支配收入、教育成本以及女性受教育程度對生育率均有較為顯著的影響，并從政策、企業、家庭和社會層面系統提出了江蘇人口穩步增長的對策建議。關鍵詞：生育率；時間序列；可支配收入；生育決策模型中圖分類號：F24?????文獻標識碼：A??????doi：10.19311/j.cnki.16723198.2023.09.0250?引言人口問題是一個基礎的、普遍的、影響深遠的問題。隨著經濟水平
現代商貿工業 2023年9期2023-04-27
- 金融市場典型事實下的金融資產回報實證研究
：典型事實；時間序列；定量研究；風險管理 一、引言 啤酒生產在大多數國家都很普遍，消費率在很大程度上影響著啤酒生產速度和公司股價，進而為企業風險管理帶來機遇與挑戰。大多數學者如Schwert， 都對股票收益率和工業生產數據的關系進行了系統研究。Lazarus則從行業層面的角度出發，指出當前行業的金融資產回報與未來工業生產增長率間存在密切關系?，F有研究從多方面實證啤酒的消費生產速率波動會引發包括股價變動在內的各種風險進而影響企業價值，但較少有基于金融資產
中國集體經濟 2023年10期2023-04-11
- 基于時序挖掘的網絡流量分析系統設計與實現
展鵬關鍵詞：時間序列；網絡流量；異常檢測；前后端分離0 引言當前正處于網絡技術高速發展的時代，《“十四五”國家信息化規劃》的發布進一步推動“互聯網+”、大數據、云技術等前沿技術深度融合到生產、教育、科研等各個領域。以高校信息化建設為例，隨著接入校園網絡環境的設備、服務、信息系統等不斷增多，針對網絡的攻擊愈發頻繁，網絡安全問題日益嚴峻。網絡安全和信息化是事關國家安全、國家發展、事關全國人民學習、工作、生活的重大戰略問題，沒有網絡安全就沒有國家安全，沒有信息化
電腦知識與技術 2023年5期2023-04-06
- 應用車聯網的車輛綜合油耗時間序列分析模型
車輛綜合油耗時間序列分析模型對于油耗分析波動能力、結果準確性較差的問題，基于車聯網研究了一種新的車輛綜合油耗時間序列分析模型。結合大渡河流域山區道路特點，計算車輛發動機的功率，提取擁堵道路有效數據，分析1VSP小區間內的燃油消耗，采用對數變換的方式縮小車輛發動機轉速與轉矩的差距，以實現車輛油耗數據與發動機相關數據的預處理。引用信息熵的概念評估車輛綜合油耗時間序列分析模型的復雜度與優良性，確定車速與油耗之間擬合曲線，構建大渡河流域車聯網車輛綜合油耗時間序列分
粘接 2022年7期2022-07-19
- 互聯網背景下時間序列分析課程教學的研究探討
孟佳摘 要：時間序列分析是一門對縱向數據建模分析的應用型課程，能夠非常有效地處理時間序列數據，在“人工智能+互聯網+教育”的新形勢下，豐富多樣的教學資源和學習途徑涌現，有必要進行教學改革，更新數據分析能力的培養模式，更好地適應大數據形勢的發展。文章從思政元素、師資隊伍、教學方式、教學內容、實踐能力五方面對該課程的教學改革作出嘗試，力圖完成課程價值塑造、能力發展和知識教導三位一體的教學目標。關鍵詞：時間序列;互聯網+教育;課程思政中圖分類號：G64? ? ?
學周刊 2022年22期2022-07-13
- 基于時間序列模型的吉林省農產品市場營銷策略分析
分析后，通過時間序列模型來對未來的吉林省農產品出口額進行預測，最終提出問題和解決對策。關鍵詞：農產品;市場營銷;時間序列;出口額預測一、吉林省特色農產品概況及營銷模式分析1.吉林省特色農產品現狀概況吉林省作為農業大省，其大豆、玉米等農產品產量在我國處于前列，同時吉林省的特色農產品產量在我國也處于領先位置。例如有東北特色的長白山人參是吉林省遠近聞名的中草藥的特產，其含量占全國的80%，世界總含量的70%，是國家地理標志保護性產品，且吉林高粱酒作為吉林省農業產
商場現代化 2022年17期2022-05-30
- 北京市居民消費結構計量分析
性回歸模型;時間序列一、引言中國作為當今世界上唯一工業門類齊全的工業大國與世界第二大經濟體，是世界經濟增長的重要引擎。自2008年全球性金融危機以來，大量國家經濟放緩。我國出口因為國外經濟疲軟而受到波及，貢獻降低且投資周期相對較長、見效較慢，所以發展內需成為今后促進經濟的重要方向，這也與我國倡導的“內循環”模式相呼應。我國發展內需有著優厚條件，目前為止已經形成了近三億規模的中產人群，中國未來內需市場巨大。但是，不可忽視的是如今中國仍有六億人每個月的收入僅在
商場現代化 2022年7期2022-05-30
- 基于ARMA模型的新疆鐵路客運量預測
化趨勢，采用時間序列中自回歸差分移動平均模型（ARMA），介紹如何通過ARMA模型對鐵路客運量進行定量預測。以新疆統計年鑒提供的新疆鐵路客運量數據（1985—2018年）為基準，對該時間序列進行平穩非白噪聲處理。結果顯示在置信區間合理范圍內，ARMA（1，2，2）提供了比較準確的預測結果，可用于對未來客運量的預測，結合模型并對2019年新疆鐵路客運量進行預測，以期為新疆運輸業的發展提供參考依據。關鍵詞：時間序列；ARMA模型；新疆；鐵路客運量中圖分類號：F
經濟研究導刊 2022年33期2022-05-30
- 基于LSTM的燃煤電廠NOx排量軟測量
行數據具有的時間序列特征，提出一種基于長短期記憶神經網絡的軟測量方法對NOx排放量進行預測。在分析NOx產生機理的基礎上，利用來自陜西省榆林市某電廠2019年1月至6月的實際生產數據，初步選取與NOx排放量緊密相關的20個輔助變量;將數據進行預處理以消除粗大誤差和隨機誤差，并利用灰色關聯度分析進一步精選出15個輔助變量;將實際生產數據劃分訓練集和測試及對LSTM模型進行訓練和測試，并將LSTM模型與BP神經網絡模型和支持向量機模型的軟測量結果比較。結果表明
西安科技大學學報（社會科學版） 2022年2期2022-05-06
- 上市公司商業信用時間序列研究
;信號傳遞;時間序列【中圖分類號】F276.6? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）07-0034-9一、引言在金融市場發展比較滯后的一些新興市場國家， 非正規金融對經濟發展起到了重要作用， 特別是商業信用[1] 。 在信用環境較發達的國家和地區， 商業信用是企業重要的外部融資渠道之一， 所以有必要對我國商業信用的發展狀況進行分析。 目前的文獻主要集中于討論商業信用的獲得， 較少文獻基于商業信用供給角度進行研究，
財會月刊·上半月 2022年4期2022-04-24
- 基于SARIMA模型的農村供水工程用水量實時預測
加權平滑; 時間序列中圖法分類號：TU991.31 文獻標志碼：A DOI：10.15974/j.cnki.slsdkb.2022.04.007文章編號：1006 - 0081（2022）04 - 0042 - 040 引 言從中國供水發展的歷程來看，首先解決的是城市地區集中供水的問題，偏遠的城鎮和農村地區長期采用河湖、水窖、地下水等分散取水方式。近年來，政府大力提升農村安全飲水條件，建成1 100萬處農村供水工程。農村供水工程點多、線長、面廣
水利水電快報 2022年4期2022-04-20
- 基于分段聚合和卡爾曼濾波的紗線直徑時間序列預測
線直徑值建立時間序列模型狀態方程，采用自回歸滑動平均模型ARMA（p，q）進行紗線直徑和變異系數預測，然后利用卡爾曼濾波對預測值進行優化。通過實驗對預測模型進行準確性驗證，結果表明：卡爾曼濾波優化后預測的紗線直徑均方根誤差為2.68%，平均絕對百分比誤差為6.71%;比對其他預測方法預測的條干不勻率，顯示出良好的預測精度;模型泛化驗證所選取的8個實驗樣本的檢測結果均在烏斯特50%統計值內，同時紗線平均直徑與理論直徑之間的誤差小于3%。這表明該預測模型對于在
現代紡織技術 2022年2期2022-03-29
- 基于LSTM的智能家庭用電預測模型研究
與全連接層對時間序列數據進行訓練，得到預測模型。實驗結果表明，所提方法的預測效果明顯優于其他三種模型，能與真實數據較好地擬合。關鍵詞：智慧能源;用電預測;特征選擇;時間序列;LSTM網絡中圖分類號：TP399? ? ?文獻標識碼：AResearch on Smart Power Consumption Prediction?Model of Smart Home based on LSTMZHOU You， XU Dan， ZHAO Can， TAN Yu
軟件工程 2022年2期2022-03-09
- 基于GRU序列的攻擊趨勢預測
歸神經網絡;時間序列;編碼器;譯碼器1 方案背景入侵檢測領域對于機器學習的應用在近些年有了飛速提升，如人工神經網絡，遺傳算法等，都在入侵檢測領域頗見成效。但是由于機器學習方法存在很多局限性，使得他無法面對多樣化的入侵手段。需要對學習方法有高要求，才能應對入侵特征的自動提取和分析。深度學習在處理復雜數據時，有突出的識別能力，是由于應用了高度非線性結構。同時，深度學習算法也由于并行計算硬件設施的高速發展，有了更強大的硬件能力。借助合理的網絡結構，可以對深度神經
科技信息·學術版 2022年5期2022-02-21
- 基于GRU序列的攻擊趨勢預測
歸神經網絡;時間序列;編碼器;譯碼器1 方案背景入侵檢測領域對于機器學習的應用在近些年有了飛速提升，如人工神經網絡，遺傳算法等，都在入侵檢測領域頗見成效。但是由于機器學習方法存在很多局限性，使得他無法面對多樣化的入侵手段。需要對學習方法有高要求，才能應對入侵特征的自動提取和分析。深度學習在處理復雜數據時，有突出的識別能力，是由于應用了高度非線性結構。同時，深度學習算法也由于并行計算硬件設施的高速發展，有了更強大的硬件能力。借助合理的網絡結構，可以對深度神經
科技信息 2022年5期2022-02-21
- 基于ARIMA模型的股票價格實證分析
析選取的股價時間序列數據的平穩性，若是不平穩序列，要把該數據平穩化處理后才能繼續進行后續分析。實證分析結果表明，利用選取的ARIMA模型預測大眾公用9天的開盤價，結果顯示，預測的誤差較小，說明該模型具有一定的參考價值和現實意義，ARIMA模型可以為投資者及相關投資機構提供股票投資決策參考。關鍵詞：ARIMA模型? 股票開盤價? 時間序列? 股票預測中圖分類號：F832.51? ? ? ?文獻標識碼：A? ? ? ? 文章編號：1672-3791（2021）
科技資訊 2021年29期2021-12-31
- 基于電力大數據的經濟景氣指數分析
節調整算法;時間序列電力是各行業經濟發展的重要能源，用電數據是國民經濟的“晴雨表”，能夠反映經濟發展的真實情況。積極開展大數據應用研究工作，讓外部數據“走進來”、電力數據價值“走出去”，通過橫向拓展、縱向延伸，深度挖掘電力數據的社會化應用價值也是電力數字化發展的重要方向。景氣是對研究對象發展狀況的一種綜合性描述，用于說明研究對象的活躍程度。景氣分析是一種經濟周期的統計分析方法，利用月度或者季度數據經濟統計序列，分析研判經濟發展在周期性波動中所處的階段，通過
家園·電力與科技 2021年11期2021-12-28
- 我國當前高等教育投資規模狀況分析
教育財政支出時間序列采用“二次型模型”進行了確定性的趨勢擬合并給出了模型參數的估計結果，最后根據影響高等教育投資規模的四類主要因素，采用多元時間序列協整的方法對我國當前的高等教育投資規模狀況進行了分析。分析得出：我國高等教育的投資規模并不適合，與我國當前的經濟增長之間存在著較大的缺口，高等教育投資規模的增長速度遠落后于我國經濟建設的增長速度，國家應繼續保持對高等教育投資擴大投資力度，努力促進高等教育投資主體多元化，實現高等教育事業與經濟建設相互拉動、相互促
科學與生活 2021年22期2021-12-27
- 電力市場下日前電價預測方法的研究
差。本文提出時間序列法（ARIMA）和神經網絡法（LSTM）對電力市場供給側短期電價變化進行預測。其中神經網絡法主要針對循環神經網絡（RNN）的缺點和不足，將神經網絡算法引入電價預測模型中，根據時間序列之間存在的相關關系對樣本數據進行學習與訓練，降低實驗誤差?；谏疃葘W習的長短期記憶（LSTM）神經網絡可以同時兼顧數據的時序性和非線性，包含的記憶單元能夠有效的克服RNN梯度消失問題，使得模型更加適合電價預測，預測短期電價精度高。關鍵詞：電力價格; 時間序列
科學與生活 2021年22期2021-12-27
- 時間序列在濟南市GDP預測中的應用與可行性分析
的最終結果。時間序列是一種動態數據分析的方法，為了探索未來5年濟南經濟發展的趨勢，本文以濟南市近20年擬合ARMA模型進行預測，最后得出結論，未來五年濟南市GDP將逐年增長，增長趨勢相對穩定。關鍵詞：GDP;時間序列;ARIMA模型;預測;Eviews1.前言1.1模型介紹ARMA模型（Autoregressive moving average model）是時間序列最常用的最有效果的一種數據處理模型。若時間序列滿足則該時間序列服從（p.q）階的自回歸滑動
電子樂園·上旬刊 2021年3期2021-12-24
- 外部沖擊對零售業的影響
業。關鍵詞：時間序列 新冠疫情 VAR模型引言在經過改革開放40多年的發展，我國的經濟發展取得了舉世矚目的成就，國內生產總值從3679億元增長到990865億元，經濟實力躍升至全球第二位，人均收入于2019年達到了3.1萬元人民生活有了顯著提高。而推動我國經濟快速發展的動力就是我們常說的三駕馬車：投資、出口、消費，在最初階段我們主要通過投資這架馬車來拉動經濟的增長，到了2002年我國加入世界貿易組織后，我們國家憑借著廉價的勞動力成本優勢，在全球的對外貿易中
科學與生活 2021年8期2021-12-22
- 基于ARIMA 模型預測Bitcoin 價格的研究
IMA模型;時間序列引言2008年10月，一位名為中本聰密碼學者發布了《比特幣： 一種點對點的電子現金系統》的文章，文內描述了一種被他稱為“比特幣”的電子貨幣及其算法。隨后，中本聰挖出第一個區塊，即所謂的創世區塊，由此比特幣正式誕生。比特幣是基于區塊鏈技術，具有分布式賬本、可追溯、不可篡改、去中心化等特點，為金融創新帶來了新的可能。在比特幣出現后，還有以太坊、瑞波幣等基于區塊鏈技術的數字貨幣大量涌現。比特幣的底層技術是區塊鏈。區塊鏈，顧名思義是由“區塊”和
科學與生活 2021年21期2021-11-10
- 基于ARIMA模型對我國客運量的分析和預測
策。本文采用時間序列建模的方法，通過數據預處理、模型識別、參數估計以及模型檢驗與優化等步驟，建立了ARIMA（0，2，4）模型，并利用該模型對未來5年我國客運量進行預測，并基于預測結果提出了合理化建議。關鍵詞：客運量;時間序列;SAS;ARIMA模型1引言1.1研究背景一個國家，過去與未來的經濟發展與交通運輸都是相互影響和制約的，民間流傳的一句話，最形象的表達了運輸與經濟發展的關系：“要想富，先修路”。所以在更加注重經濟發展的今天，運輸業的發展已經成為一個
錦繡·下旬刊 2021年12期2021-11-03
- 基于LSTM神經網絡的時間序列證券價格趨勢預測
精確度更高的時間序列預測模型是很重要的。本文在吸取前人利用神經網絡模型進行證券價格趨勢預測中的經驗，基于長短期記憶人工神經網絡搭建時間序列，提出利用指數移動平均值均線對數據進行采樣，以提高時間序列對證券價格趨勢預測的準確性。本文采用的時間序列數據為上證指數日線收盤價，實驗結果表明預測精確度提高70%，采用指數移動平均值均線對數據進行采樣輸入時間序列分析模型的預測效果優于傳統方法進行數據采樣。本文的實驗結果為國家對市場的監督和投資者的決策提供了一定參考。關鍵
中國商論 2021年20期2021-10-28
- 基于泛函回聲狀態網絡的時間序列分類
SN）能夠對時間序列分類問題，具有分類效果好的優勢?；趯崟r監測的結構狀態分析問題，是典型的多變量、大數據集的時間序列分類問題，于是本文將泛函回聲狀態網絡擴展至結構狀態分析領域。利用Bookshelf框架模型試驗，驗證了FESN方法在結構損傷識別準確率方面的優勢。關鍵詞：泛函回聲狀態網絡;時間序列;遺傳算法;損傷識別中圖分類號：1 引言泛函回聲狀態網絡（FESN）是已經成功應用于單變量時間序列分類的一種方法。FESN的工作就是將頻率分析方法加進了回聲狀態網
科教創新與實踐 2021年32期2021-10-21
- 政策工具視角下我國社區教育政策文本量化分析
政策工具使用時間序列構建了社區教育政策三維分析框架，通過對所選的社區教育政策文本進行計量分析，對目前我國社區教育政策中存在的問題進行了探究。研究發現，政策工具的分配存在差異性，能力建設工具占據主導地位;權威工具中法律支撐不足，激勵工具內容單一;政策工具分布與教育發展要素配置的變化整體上符合社區教育政策發展趨勢。為推動社區教育的可持續性發展，政府未來應優化政策工具組織結構，提高政策工具與內容的適配性;完善權威工具法律支撐，補齊激勵工具內容短板;加強師資隊伍建
教育與職業(上) 2021年10期2021-10-14
- 基于LSTM的軌道交通進站客流短時預測研究
交通流預測;時間序列;軌道交通中圖分類號：U231文獻標志碼：A城市軌道交通的發展作為城市公共交通現代化的重要組成部分，對于提高大中型城市客流運輸量和運輸效率、發展綠色交通以及緩解大城市道路交通擁堵具有重要意義。截至2020年年底，全國（不含港澳臺）境內共有44個主要城市建設并開通投入運營的城市軌道交通線路233條，運營里程7 545.5 km，車站4 660座，實際運行列車2 528萬列次，完成客運量175.9億人次，進站量109.1億人次。然而，隨著我
貴州大學學報（自然科學版） 2021年5期2021-10-13
- 新冠疫情對我國貿易的損失預測
RMA模型;時間序列;貨物進出口;跨境貿易;一、引言新冠肺炎的傳播對我國對外貿易產生了一定的影響，外貿企業出口業務額大幅縮減，出口情況不容樂觀。進口業務因為嚴格的口岸入境政策被削減，一二季度的進口額呈現下降趨勢。從以上分析可以看出，疫情重創了我國進出口貿易，雖然國內生產活動已經基本恢復，但外貿部門的損失也亟待彌補。另一方面，疫情暴發使防疫用品需求激增，在全球范圍內呈現出嚴重的產能、供給不足情況，供給缺口巨大，為了滿足全球疫情的需求，中國企業開足馬力生產相關
商場現代化 2021年14期2021-09-22
- 我國宏觀經濟對煤炭價格的影響研究
向量自回歸;時間序列【Keywords】macro economy; coal price; empirical research method; VAR; time series【中圖分類號】F426;F764.1;F124? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069
中小企業管理與科技·下旬刊 2021年9期2021-09-16
- 碳中和背景下氣溫衍生品定價研究
絡模型對氣溫時間序列進行預測與誤差分析，借助蒙特卡洛模擬方法對氣溫衍生品定價。研究結果表明，ELM神經網絡較ARMA模型和BP神經網絡氣溫預測精度有顯著提高，可為氣溫衍生品的定價奠定基礎。關鍵詞：氣溫衍生品;ELM神經網絡;蒙特卡洛方法;時間序列一、引言21世紀以來，應對全球氣候變化成為人類實現全球可持續發展面臨的最嚴峻的挑戰。2020年10月20日，生態環境部、國家發改委、中國人民銀行、中國銀保監會、中國證監會等五部門共同發布了《關于促進應對氣候變化投融
金融發展研究 2021年8期2021-09-15
- 中職“雙師型”教師隊伍建設政策的發展與演進邏輯
內容（Y）和時間序列（Z）三維框架，對53份中職“雙師型”教師隊伍建設（1994-2020年）政策文本進行計量分析。研究發現：政策工具類型使用不均衡，命令工具和能力建設工具應用過多;政策內容間存在較大差異，培養培訓體系和教師管理內容過于集中;政策工具作用于政策內容的均衡性不足，存在配置差異。建議未來合理優化政策工具整體結構，實現工具的科學搭配;適度調整政策的注意力配置，促進要素的協調發展;妥善規劃政策工具與政策內容的整合，加強政策體系的建設。關鍵詞 中等職
職業技術教育 2021年20期2021-09-15
- 基于時序Landsat遙感影像棗樹種植面積提取
基于不同特征時間序列數據集，使用動態時間規整（dynamic time warping，DTW）方法對時間序列遙感影像進行分類?；?span class="hl">時間序列Landsat 8影像數據，使用NDVI、EVI、第一主成分（principal component analysis 1，PCA1）3種特征數據集結合DTW算法，對比分析不同特征量對棗樹的識別精度。結果表明：基于DTW（NDVI）的時間序列特征數據集結合DTW算法能夠得到較好的分類結果，基于時序DTW（EVI）特征量
安徽農學通報 2021年16期2021-09-14
- 我國期權與期貨市場價格發現功能研究
;金融市場;時間序列一、剖析期權與期貨市場價格發現功能研究意義期權與期貨市場價格發現功能是金融市場發展來的大躍步，尤其是供給側改革發展背景下，雖然為金融市場發展提供更多機遇，但是在很多方面也提高了發展標準。針對這種情況，金融市場必須積極對當前發展結構形態加以調整，期權與期貨市場價格發現功能的形成，在很大程度上為期權與期貨市場發展提高競爭優勢，創造占領金融市場發展制高點的有利條件。隨著上證50ETF期權的開放，作為創新型基金模式，一經推出便成為金融市場發展以
中國集體經濟 2021年25期2021-09-13
- 絲綢之路經濟帶上青海省經濟發展的實證研究
：經濟發展;時間序列;共線性診斷;單位根檢驗;協整檢驗中圖分類號：F207 文獻標識碼：ADOI：10.12245/j.issn.2096-6776.2021.12.071 引言青海處于古絲綢之路的重要節點上，絲綢之路青海段上的文化遺產見證了中國古代的輝煌文明和絲綢之路的歷史，青海曾經為構建經濟社會文化網絡發揮了重要作用[1]。青海作為西北腹地，其對“一帶一路”的建設，乃至西北地區甚至全國的發展具有重要的意義[2]。但青海省絲綢之路經濟帶上的經濟發展結構究
商展經濟·下半月 2021年6期2021-09-10
- 陜西省工業時間序列分析及預測
和預測非平穩時間序列。由歷史上眾多數據分析報告可以看出，對陜西省工業研究而言，工業總產值是非常典型的代表性數據對陜西省工業有著重要意義。因此，本文以1988?2017年陜西省工業總產值的年度數據為例，利用ARIMA模型進行時間序列分析，預測2018?2020年的工業總產值。通過所得數據進行分析，并提出相關建議。為陜西省當地工業制相關部門或工業企業的部門實施相關政策，獲得更優的經濟發展決策，提供可靠的理論預測以及參考。關鍵詞：ARIMA模型;陜西省工業總產值
錦繡·下旬刊 2021年8期2021-07-19
- 基于Bootstrap和Bagging時間序列模型的黑龍江老齡人口預測
ging，;時間序列;指數平滑法;老齡人口引言全國第七次人口普查數據表明，我國60歲以上人口占人口總數的13.50%，人口老齡化程度進一步加深。面對我國人口老齡化這一不可逆轉的過程，黨和政府高度重視，《“十四五”規劃綱要》提出，我國要實施積極應對人口老齡化戰略，完善公共服務體系，促進人口長期均衡發展。近年來，有很多文章研究人口老齡化問題。黑龍江自2005年進入人口老齡化社會，雖晚于全國時間，但老齡化速度非?？?。在此背景下，明確黑龍江人口老齡化趨勢，對政策和
理論與創新 2021年6期2021-07-19
- 養老保險基金支出對居民消費影響的實證研究
面板數據構建時間序列模型，通過將變量滯后的方法消除序列相關性的影響，從而深入研究養老保險基金支出對居民消費的影響。研究結果表明，人口老齡化加劇和物價上漲會抑制居民消費欲望，而養老保險基金支出的增加會減少預防性儲蓄，從而對居民消費有著正向促進作用。關鍵詞：養老保險基金;居民消費;時間序列;滯后變量中圖分類號：F842? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2021）16-0079-05引言社會保險制度是社會的“安全閥”和“穩定
經濟研究導刊 2021年16期2021-07-14
- 時序數據挖掘的預處理研究綜述
。關鍵詞： 時間序列;預處理;數據清洗;特征提取;模式表示文章編號： 2095-2163（2021）01-0074-05 中圖分類號：TP391.41 文獻標志碼：A【Abstract】Due to the massive and high-dimensional characteristics of time series data， preprocessing the original data is an important step for tim
智能計算機與應用 2021年1期2021-07-11
- 基于時間序列的體育產業數據精準挖掘模型構建
本文提出基于時間序列的體育產業數據精準挖掘模型構建方法。采用全局穩態特征融合方法實現對體育產業數據分布式時間序列模型構建，采用統計量化融合分析方法實現體育產業數據特征量化空間轉換，通過模糊解析控制方法，挖掘體育產業數據的關聯分布熵。采用輸出增益穩態分析方法，構建體育產業數據挖掘的線性解析參數分析模型，采用二乘規劃和線性融合方法，實現對體育產業數據挖掘的內源融合和參數控制，結合模糊聚類實現對體育產業數據的統計特征線性聚類處理。結合稀疏性的特征匹配調度模型，構
赤峰學院學報·自然科學版 2021年4期2021-06-24
- 基于時間序列的鄭州市人均生產總值的預測
.【關鍵詞】時間序列;人均GDP;ARIMA【Keywords】time series; GDP per capita; ARIMA【中圖分類號】F222.33;F224? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2021）04-0130-021 研究背景及意義本文利
中小企業管理與科技·上旬刊 2021年4期2021-06-07
- 基于時序數據庫服務監控系統的設計與實現
通過合理利用時間序列數據庫高效且靈活索引，利用其較好的查詢展現能力，并按照需求延伸數據表的結構，以時序型數據庫與分布式通信系統核心網結合進行深入設計為例，分析和解決了大型系統軟件中服務監控系統的需求難題。關鍵詞：時間序列；數據庫；服務監控；InfluxDB；通信系統中圖分類號：TP311文獻標志碼：A文章編號：1008-1739（2021）06-60-40引言在大型系統軟件設計中服務監控系統有海量數據的快速寫入和讀取需求，要能夠適應多個完全不同的項目同時對
計算機與網絡 2021年6期2021-06-01
- 養老服務床位需求預測與運營模式模型分析
]微分方程;時間序列;差分預測1 模型的準備預測老年人口數量及城鄉養老床位需求量比值，老年人口數量預測：由于老年人口增量具有連續性，又考慮到一些偶然因素對人口數量造成隨機擾動，為了消除隨機波動的影響，收集2007—2016年城鄉老年人口數量，利用時間序列預測未來城鄉老年人口數量變化。詳見圖1。從圖1可以看出，該時間序列的變動近似為直線趨勢，用一次指數平滑法預測會存在滯后誤差，為了進行修正，利用二次平滑法建立老年人口變動趨勢模型。其計算公式為：按照預測老年人
中國市場 2021年11期2021-05-06
- 人口結構對經濟增長的影響
2019年的時間序列數據分析人口結構對經濟增長的影響。為保持我國經濟長期穩定持續發展，需要及早調整生育政策、完善養老服務體系及醫療保險制度，發展多元產業緩解因老齡化而抑制的經濟增長問題。關鍵詞：人口結構;經濟增長;人口老齡化;時間序列;實證檢驗中圖分類號：F12 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2021）36-0001-04引言從2010年開始，我國經濟迅速發展，人口老齡化問題逐漸突出，因此非農業工廠類產業招工難成為了
經濟研究導刊 2021年36期2021-04-01
- 基于灰色理論和時間序列模型預測棉花產量可行性研究
于灰色理論和時間序列的組合預測模型對新疆棉花產量進行了預測。實證分析結果表明：組合模型的預測結果更加逼近于真實數據，預測精確度較單一預測模型的結果準確性更高、誤差更小。因此， GM模型與ARIMA模型組合預測新疆棉花產量是可行的。關鍵詞：灰色理論;時間序列;組合模型;棉花產量;預測中圖分類號：S562文獻標識碼：A文章編號：2095-3143（2021）01-0015-07DOI：10.3969/j.issn.2095-3143.2021.01.003Ab
棉花科學 2021年1期2021-03-24
- 電力時間序列的分布式索引算法
乃網摘 要：時間序列的研究已經被應用到越來越多的領域中。越來越多的領域應用需要索引和分析海量的時間序列，代表性的比如金融，電力，生物信息等等。這類應用往往面臨數以億計的時間序列的處理，然后從中識別出一些隱藏的模式來。然而目前對時間序列的索引技術都是單機版本，需要用漫長的時間來對大量的時間序列進行索引，限制了時間序列分析的產出率。提出了一種基于Isax表達的分布式時間序列索引算法，并在Spark分布式計算框架下實現算法。首先，給出了基于Isax的分布式索引算
哈爾濱理工大學學報 2021年6期2021-03-14
- 基于ARIMA的河北省花生產量預測分析
礙。文章利用時間序列分析中的 ARIMA（p，d，q）模型，對河北省 2000 ～2017 年花生產量數據進行了隨機性分析，并結合 EVIEWS7.02時間序列分析軟件，經過模型識別、比較、建立以及檢驗等過程，最終后確定了 ARIMA（2，1，3）模型，并運用此模型擬合了河北省 2000～2017 年的花生產量，同時對河北省 2018～2020 年3年的花生產量進行了分析與預測。關鍵詞：時間序列;ARIMA模型;河北省;花生產量自二十世紀七十年代以來，世界
中國集體經濟 2021年3期2021-02-04
- 基于小波分析的廊坊市2015-2018年PM25質量濃度研究
均質量濃度的時間序列為例，研究廊坊市大氣PM25質量濃度在時間序列上的周期特性。結果表明，廊坊市空氣PM2優良等級天數保持連續增長，2015-2018年PM25年均質量濃度呈現逐年下降的良好趨勢。坊市PM2日均質量濃度具有顯著的周期性，以短期震蕩為主。主要周期為19d左右、35d左右以及60d左右，第一周期為19d?？蔀楹罄m廊坊市大氣污染物PM2s濃度變化周期性研究提供借鑒。關鍵詞 小波變換;PM25;時間序列;周期性;廊坊市中圖分類號：X513文獻標識碼
農業災害研究 2021年2期2021-01-18
- 海量水文地質時間序列數據相關性算法設計
針對水文地質時間序列數據分析，本文提出以相關性算法為核心思想的算法設計，簡單介紹并且研究了時間序列的定義、公式和降維方法以及相似性算法的概念、公式、特點和用法。并通過對海量水文地質數據的相關性分析，對礦井突水進行預測。關鍵詞：時間序列;相似性算法;水文地質數據1相關知識背景簡介1.1時間序列定義時間序列其實就是以時間順序為依據進行相關排列，且是有順序的值， 表示時間序列，子時間序列就是連續的一個片段，它用 來代表，子時間序列的長度用 來表示。時間序列數據的
裝備維修技術 2020年13期2020-12-23
- LSTM神經網絡在股票價格預測中的應用
，以股票歷史時間序列數據為研究對象，構造不同天數長度的時間序列，作為網絡的輸入;然后訓練過程中，加入Early-stopping技術，防止學習的過擬合;最后，用狀態參數傳遞的方式利用變長Batch在測試集上對未來股票收盤價進行預測。通過與傳統機器學習回歸模型性能的比較，驗證了基于變長Batch的LSTM預測模型及參數優選策略在股票價格分析中具有較好的泛化能力和較低的預測誤差。關鍵詞：長短時記憶模型;循環神經網絡;深度學習;時間序列;過擬合中圖分類號：TP3
電腦知識與技術 2020年28期2020-12-14
- 基于概率統計的電力負荷時間序列預測模型
計的電力負荷時間序列預測模型，采用基于概率主分量分析模型的電力運行數據預處理方法，去除冗余數據。對預處理后的電力運行數據，通過基于多變量時間序列的電力負荷預測模型，實現電力負荷預測。經實驗驗證，所構建模型對電力負荷的預測結果可信度高，且對短期、長期的電力負荷的預測精度均顯著，針對不同時間序列類型的電力負荷預測任務而言，均可實現高精度、全方位的電力負荷預測，可作為電力負荷預測任務中的參考模型。關鍵詞： 電力負荷預測; 概率統計; 時間序列; 預測模型構建;
現代電子技術 2020年21期2020-12-07
- 變壓器在線監測數據異常值檢測與清洗
線監測的多元時間序列數據進行關聯度挖掘，提取出關聯性強的序列為后續多元序列異常數據檢測提供依據;其次建立基于k-means聚類的方法建立數據的異常檢測模型;最后研究了時間序列預測方法，完成趨勢預測并填充缺失值和噪聲值，保持數據完整性。通過某變電站的在線監測數據對此算法進行驗證，結果表明該方法可及時完成異常檢測及清洗，清洗后準確率93.9%，完備率可達98.6%，有較高使用價值。關鍵詞：變壓器;在線監測數據;K-means聚類;異常值檢測;時間序列DOI：1
哈爾濱理工大學學報 2020年5期2020-11-30
- 基于灰色關聯分析的煤炭價格預測研究
色關聯分析，時間序列，多元回歸等方法，建立了影響煤炭價格因素的模型，并分析了各個影響因素對煤炭價格的影響程度。首先從數據出發，收集影響煤炭價格因素的數據，通過建立灰色關聯分析模型對比分析數據得到影響煤炭價格的主要因素，再從影響因素出發，以秦皇島港的動力煤價格為例，確定影響煤炭價格的主要因素的關聯程度大小，并排序。其次將數據和影響因素預測時期內的煤炭價格，使用matlab繪制出相應的時間- 價格曲線圖，采用時間序列分析的方法建立模型對未來煤炭價格進行預測，得
科學與財富 2020年26期2020-11-16
- 時間序列相關性分析研究
摘 ?要：時間序列相關性分析是時間序列數據挖掘的重要手段，序列間相互影響與關聯，其隱藏的相關信息可以用于識別、解釋異常問題。目前大多數方法對隱藏的相關信息分析能力不足，各有缺陷，文章提出了一種多算法融合的方法，通過多種相關系數組合分析序列間的線性或非線性關系，同時對序列異常檢測后的結果進行波動分析。真實數據表明，該方法能夠精確發現序列間的相關性，實現根因定位。關鍵詞：時間序列;異常檢測;相關性分析;相關系數;DTW中圖分類號：O211.61;O151.21
現代信息科技 2020年13期2020-11-06