時間序列報告精選
時間序列報告精選
篇一：時間序列報告
ARIMA在客貨運輸量預(yù)測的應(yīng)用
摘要:本次實驗利用時間序列中ARIMA模型，建立了客貨運輸總量預(yù)測模型，模型確定為ARIMA(1，1,1)12和ARIMA（12,1,12）12，并對數(shù)據(jù)進(jìn)行預(yù)測，通過AIC準(zhǔn)則和SBC準(zhǔn)則確定ARIMA（12,1,12）12為相對最優(yōu)模型。 關(guān)鍵詞：時間序列，ARIMA，AIC準(zhǔn)則，SBC準(zhǔn)則
Abstract
The experiment applied the ARIMA model of the time series to formulate the prediction model of passenger and freight transport. With two deterministic models including ARIMA(1,1,1)12andARIMA(12,1,12)12 and data prediction, the experiment determined ARIMA(12,1,12)12as a relative optimization model by means of AIC criterion and SBC criterion.
Keyword:time series, ARIMA,AIC,SBC
1. 引言
隨著經(jīng)濟(jì)的高速發(fā)展，我國客貨運總量數(shù)據(jù)也在逐年增高，對客貨運總量數(shù)據(jù)的預(yù)測有利于制定未來運輸?shù)陌l(fā)展戰(zhàn)略，合理利用資源，合理調(diào)度，使得流通更快捷便利。
2. 模型簡介
ARIMA模型定義
ARIMA 模型（Autoregressive Integrated Moving Average model）是研究時間序列的重要方法，由自回歸模型（簡稱AR模型）、滑動平均模型（簡稱MA模型）和使之成為平穩(wěn)序列所做的差分次數(shù)（階數(shù)）為基礎(chǔ)“混合”構(gòu)成。
ARIMA模型表示為：
(1iL)(1L)Xt(1iLi)t id
i1i1pq
p0,p0
E(t)0,Var(t)2,E(ts)0,st
Exst0,st
其中L是滯后算子。
3. 建模步驟
建模的基本步驟可以總結(jié)如下：
1. 求出該觀察值序列的樣本自相關(guān)系數(shù)（ACF）和樣本偏自相關(guān)系數(shù)（PACF）的值
2. 根據(jù)樣本自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)，選擇階數(shù)適當(dāng)?shù)腁RMA(p,q)模型進(jìn)行擬合。
3.估計模型中未知參數(shù)的值。
4.檢驗?zāi)Ｐ偷挠行浴Ｈ绻麛M合模型通不過檢驗，轉(zhuǎn)向步驟2，重新選擇模型再擬合。
5. 模型優(yōu)化。如果擬合模型通過檢驗，仍然轉(zhuǎn)向步驟2，充分考慮各種可能，建立多個擬合模型，從所有通過檢驗的擬合模型中選擇最優(yōu)模型。
6. 利用擬合模型，預(yù)測序列的將來走勢
示意圖如下：
圖一 建模步驟
4. 實例分析
本實驗分析客貨運輸量數(shù)據(jù)，對數(shù)據(jù)進(jìn)行建模和預(yù)測。
年1月到2013年11月。數(shù)據(jù)分析軟件采用EViews，它是為Windows設(shè)計的統(tǒng)計分析軟件，對于計量經(jīng)濟(jì)分析有著很大的用處，比如時間序列的估計和預(yù)測。
數(shù)據(jù)輸入
將數(shù)據(jù)導(dǎo)入EViews軟件，觀察樣本自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的值，如下：
CARGO
45
40
35
30
25
20
15
10
5
圖二
客貨運數(shù)量樣本
圖三客貨運數(shù)量樣本相關(guān)性
可以看出自相關(guān)序列函數(shù)隨著K的值增加，衰減緩慢，說明樣本序列是非平穩(wěn)的，所以接下來進(jìn)行平穩(wěn)化。
平穩(wěn)性檢測
對數(shù)據(jù)進(jìn)行一階差分，觀察其自相關(guān)序列和偏自相關(guān)序列，效果如下：
圖四一階差分后樣本的相關(guān)性
可以看出，序列在12、24、36處有強相關(guān)性，呈周期性，所以一階差分不能很好的去除數(shù)據(jù)的周期性，所以采用一階十二步差分，觀察其自相關(guān)序列和偏自相關(guān)序列，效果如下：
圖五一階十二步差分后樣本的相關(guān)性
觀察知，樣本在K=12處還有較強的相關(guān)性，但比一階差分有較好的效果。對一階十二步差分?jǐn)?shù)據(jù)進(jìn)行平穩(wěn)性檢測。做差分后序列進(jìn)行單位根檢驗（DF檢驗）和擴(kuò)充的單位根檢驗（ADF檢驗），檢驗結(jié)果如下：
圖六一階十二步差分后的樣本值
圖七 一階十二步差分后樣本的ADF檢驗
可以看出，單位根檢驗的T統(tǒng)計量值等于-5.155，小于ADF檢驗0.1~0.01的 各種顯著水平的T值，則接受原假設(shè)，序列式平穩(wěn)的。
模型定階
自相關(guān)序列和偏自相關(guān)序列表現(xiàn)出拖尾的性質(zhì)，故用ARMA模型進(jìn)行預(yù)測，嘗試采用ARIMA（1,1,1）12，ARIMA（12,1,12）12。
估計模型參數(shù)
輸入模型中變量，確定參數(shù)估計結(jié)果如下：
篇二：時間顯示程序及注釋
�。欢丝谂c內(nèi)存單元
SCLK EQU P3.2
IO EQU P3.3
RST EQU P3.4
TRL EQU P3.5 ；調(diào)日歷
JIA1 EQU P3.6 ；加
TSH EQU P3.7 ；調(diào)時間
YEAR DATA 65H ;數(shù)據(jù)存儲單元
MONTH DATA 64H
DAY DATA 63H
HOUR DATA 62H
MINTUE DATA 61H
SECOND DATA 60H
MS DATA 66H
DS_ADDR DATA 32H
DS_DATA DATA 31H
ORG 0H
AJMP START
MAIN2F:
LJMP MAIN2
START:
MOV SP,#70H 設(shè)置指針
LCALL DELAY1
MOV DS_ADDR,#8EH
MOV DS_DATA,#00H
LCALL WRITE ；調(diào)用寫程序。
START0:
MOV DS_ADDR,#81H
LCALL READ ；讀取81單元數(shù)據(jù)
ANL A,#7FH；A最高位值為0.
MOV DS_ADDR,#80H
MOV DS_DATA,A ；將A數(shù)據(jù)放入80單元
LCALL WRITE
START1:MOV DS_ADDR,#0C0H ；調(diào)節(jié)設(shè)置。
MOV DS_DATA,#9CH
LCALL WRITE
MOV 20H,#0；20H，21H，22H為RAM中的位尋址區(qū)地址。 MOV 21H,#0FH
MOV 22H,#0
MAIN1: JB TRL,MAIN2FA ；若TRL=1，此按鍵不動，轉(zhuǎn)到MAIN2FA MOV 22H,#1；按下后，
AJMP MAIN2FB
MAIN2FA:JB TSH,MAIN2F；TSH=1，此按鍵不動，轉(zhuǎn)到起始處。 MOV 22H,#2
MOV DS_ADDR,#81H
LCALL READ
ORL A,#80H ；A最高位置1
MOV DS_ADDR,#80H
MOV DS_DATA,A
LCALL WRITE
MAIN4: LCALL DISP ；調(diào)數(shù)時，數(shù)據(jù)閃爍。
JNB TSH,MAIN4 ；按下調(diào)時間鍵，轉(zhuǎn)向調(diào)時間程序
MOV 22H,#2
LJMP SSS
MAIN2FB:MOV DS_ADDR,#81H
LCALL READ
ORL A,#80H
MOV DS_ADDR,#80H
MOV DS_DATA,A
LCALL WRITE
MAIN4J: LCALL DISP
JNB TRL,MAIN4J；按下調(diào)日歷鍵，轉(zhuǎn)向調(diào)日歷程序
MOV 22H,#1
NNN: LCALL DISP
JNB TRL,YYY ；若再按下TRL時，轉(zhuǎn)向調(diào)月份程序。
MOV 20H,#8
LCALL DISP；閃爍，年份加一。
JB JIA1,NNN
NNN2: LCALL DISP
JNB JIA1,NNN2 按下加一鍵，閃爍。
MOV R7,YEAR 松開后將YEAR值給R7。
LCALL JIAY1；調(diào)用加1程序。
MOV YEAR,A 將A值給YEAR
CJNE A,#30H,NNN1 A不等于30H，則轉(zhuǎn)到NNN1 MOV YEAR,#06A若等于30H，則YEAR=6
NNN1: MOV DS_ADDR,#8CH
MOV DS_DATA ,YEAR
LCALL WRITE
MOV R0,YEAR
LCALL DIVIDE ；
MOV 4AH,R1
MOV A,4AH
SWAP A
MOV 4AH,A
MOV 4BH,R2
MOV A,4BH
SWAP A
MOV 4BH,A
SJMP NNN
YYY: LCALL DISP
JNB TRL,YYY
YYY3:JNB TRL,DDD
MOV 20H,#4
LCALL DISP
JB JIA1,YYY2
YYY2: LCALL DISP
JNB JIA1,YYY2
MOV R7,MONTH
LCALL JIAY1
MOV MONTH,A
CJNE A,#13H,YYY1
MOV MONTH,#1
YYY1: MOV DS_ADDR,#88H
MOV DS_DATA,MONTH
LCALL WRITE
MOV R0,MONTH
LCALL DIVIDE
MOV 48H,R1
MOV A,48H
SWAP A ；修改月份。
MOV 49H,R2
MOV A,49H
SWAP A
MOV 49H,A
SJMP YYY3
DDD:LCALL DISP JNB TRL,DDD
MOV 20H,#2H
DDD3: JNB TRL,NYD MOV 20H,#2
LCALL DISP
JB JIA1,DDD3
DDD2: LCALL DISP JNB JIA1,DDD2
MOV R7,DAY
LCALL JIAY1
MOV DAY,A
CJNE A,#32H,DDD1 MOV DAY,#1
DDD1: MOV DS_ADDR,#86H MOV DS_DATA,DAY LCALL WRITE
MOV R0,DAY
LCALL DIVIDE
MOV 46H,R1
MOV A,46H
SWAP A
MOV 46H,A
MOV 47H,R2
MOV A,47H
SWAP A
MOV 47H,A
SJMP DDD3
NYD: LJMP MAIN3A
SSS: LCALL DISP ；修改小時 ；修改天
MOV 20H,#8
SSS3:JNB TSH,FFF LCALL DISP
JB JIA1,SSS3
SSS2: LCALL DISP JNB JIA1,SSS2
MOV R7,HOUR
LCALL JIAY1
MOV HOUR,A
CJNE A,#24H,SSS1 MOV HOUR,#0
SSS1: MOV DS_ADDR,#84H MOV DS_DATA,HOUR LCALL WRITE
MOV R0,HOUR
LCALL DIVIDE
MOV 44H,R1
MOV 45H,R2
SJMP SSS
FFF:LCALL DISP
JNB TSH,FFF MOV 20H,#4
FFF3:JNB TSH,MMM LCALL DISP
JB JIA1,FFF3
FFF2: LCALL DISP JNB JIA1,FFF2
MOV R7,MINTUE LCALL JIAY1
MOV MINTUE,A CJNE A,#60H,FFF1 MOV MINTUE,#0
篇三：時間序列分析報告2
一、Intnx 函數(shù)的使用。
使用Intnx 函數(shù)產(chǎn)生序列的時間間隔，分別對同一組數(shù)據(jù)產(chǎn)生其時間間隔，分別調(diào)整觀測指針由參照時間向過去和未來撥1期，觀察序列數(shù)據(jù)的變化。 數(shù)據(jù)：2012年12個月化工生產(chǎn)過程的產(chǎn)量數(shù)據(jù)47 64 23 71 38 64 55 41 59 48 71 35
解：向過去撥1期
向未來撥1期
第1頁
由運行結(jié)果知向未來撥一個日期，其時間與產(chǎn)量對應(yīng)的時間出現(xiàn)移動，即時間向前移了兩個時期，即產(chǎn)量數(shù)據(jù)與時間不對應(yīng)。
二、分析太陽黑子數(shù)序列(見附數(shù)據(jù)1)，預(yù)測6期結(jié)果。
步驟
1、開機進(jìn)入SAS 系統(tǒng)。
2、創(chuàng)建名為exp1的SAS數(shù)據(jù)集，即在窗中輸入下列語句：
data exp1；
input a1 @@；
year=intnx(‘year’,’1jan1742’d,_n_-1)；
format year year4.；
cards；
輸入太陽黑子數(shù)序列(見附數(shù)據(jù)1)
run；
運行結(jié)果：
第2頁
3、保存此步驟中的程序，供以后分析使用（只需按工具條上的保存按鈕然后填寫完提問 后就可以把這段程序保存下來即可）。
4、繪數(shù)據(jù)與時間的關(guān)系圖，初步識別序列，輸入下列程序：
proc gplot data=exp1；
symbol i=spline v=star h=2 c=green；
plot a1*year；
run；
運行結(jié)果：
第3頁
5、提交程序，在graph窗口中觀察序列，可以看出此序列是均值平穩(wěn)序列。
6、識別模型，輸入如下程序。
proc arima data=exp1；
identify var=a1 nlag=24；
run；
運行結(jié)果：
（1）
自相關(guān)圖
�。�2） 偏自相關(guān)圖
第4頁
【時間序列報告】相關(guān)文章：
時間與數(shù)學(xué)的教學(xué)反思03-19
時間煮雨_聽后感想03-03
什么時間的小班教學(xué)活動設(shè)計（精選12篇）03-02
《和時間賽跑》教學(xué)反思參考（通用11篇）11-27
清稅報告和清算報告模板02-15
empb報告02-16
報告格式要求04-04
心理報告格式06-01
solidworks報告精選范文02-16