简介：摘要：时间序列预测是对已有的时间序列数据进行分析，挖掘时间序列数据中蕴藏的信息，并对未来进行预测。时间序列预测具有极其重要的理论意义与现实意义，学者们为此做了大量的研究工作并取得了很好的成果。本文主要对时间序列预测的相关方法进行整理归纳，对时间序列预测相关研究进行述评。

简介：摘要：时间序列是指对同一现象观测或记录到的一组按时间顺序排列起来的统计数据，通过对时间序列进行编制和分析，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平，这种方法称为时间序列预测技术。时间序列预测技术在军事行动序列预测、市场需求预测、发电预测、区域降水量预测等军事、经济、工程和自然科技等领域，具有重要意义。

简介：【摘要】我国黄河流域水沙通量的变化对环境治理、气候变化和人民生活有着重要意义。本文首先根据现有数据进行可视化分析,研究含沙量与时间、水位、水流量的关系,然后利用相关分析确认含沙量与水位、水流量为线性关系,最后采用“分割-近似代替-求和”的方法求出年总水流量和年总排沙量。

简介：【摘要】因黄河受季节性强降雨的影响，影响生态环境的稳定，本文根据其水沙通量的变化趋势，建立 ARIMA 时间序列分析模型，对 2022 年和 2023 年的水沙通量进行预测。分析预测出的未来两年水沙通量随时间的变化曲线，根据其斜率变化与突变特点定制出未来两年即能及时掌握水沙通量实时状态，又能减少投资成本的最优方案。

简介：【摘要】研究黄河水沙通量的变化规律对环境治理，气候变化和人民生活具有重要的意义，根据水沙通量的公式计算出6年的水沙通量，观察水沙通量的变化曲线，直观分析其突变规律，后利用Mann-Kendall突变检验法，通过M-K统计量曲线定位出每年的水沙通量突变点位置和整个6年的突变点位置。基于水沙通量数据的时序特点，进行时间序列分析得到水沙通量的季节性和周期性规律。

简介：

简介：摘要：发电量是研究电力市场的重要方式，而总的发电量产量受各种因素的影响较大。为提高四川发电量产量的预测精度，以四川发电量的发电数据为基础，运用时间序列乘法模型来预测四川未来发电量。经实验证明，乘法模型能达到较好的预测效果。

简介：摘要：发电量是研究电力市场的重要方式，而总的发电量产量受各种因素的影响较大。为提高四川发电量产量的预测精度，以四川发电量的发电数据为基础，运用时间序列乘法模型来预测四川未来发电量。经实验证明，乘法模型能达到较好的预测效果。

简介：【摘要】随着经济、社会和工业的飞速发展，用电的需求量迅速增长，电力行业也逐渐成为影响全球社会经济发展地位的重要的因素，不准确的需求预测增加了电力行业的运行成本，特别是在市场环境中，精度即意味着金钱，准确的电力需求预测是有价值的。论文以某市为例，利用某市用电量的相关数据，分别应用移动平均法、时间序列法建立模型并对模型进行预测和分析，并对其进行了预测与分析，再通过对这两种预测方法分别赋予不同的权重建立加权组合预测模型来改进预测误差，通过比较分析得出加权组合模型预测的精度更高。

简介：摘要：随着全球范围内极端天气现象频发和多个国家气温创历史新高，全球气候变暖成为全球关注和研究的热点问题. 本文根据收集全球气温、温室气体CO2的年平均排放量等数据，首先，利用Matlab编程计算出1850-2022年全球年平均绝对气温、17个年份段的月平均温度和月增长量，作出平均气温折线图和气温增长量热力图，直观、定量地验证了：全球气候变暖现象. 然后，利用1852-2022年全球年平均气温数据，分别建立改进指数模型和ARIMA时间序列预测模型，并利用两个模型预测了2050年、2100年的全球平均气温及全球平均气温达到20℃的时间.

简介：【摘要】由于电商的发展，京东物流建设显得更加重要，京东物流营业额数据的预测对于物流建设和精准服务具有重要的指导意义，本文收集了就京东物流近四年的营业额数据。并进行整理，运用时间序列法和软件SPSS来预测京东物流2024年的营业额数据，找出京东物流存在的问题，并针对问题对配送、服务、各区域合作、市场竞争等方面，提出等一系列的改进措施，为国内物流模式的发展提供借鉴。

简介：

简介：摘要：本文结合国内外现有文献的研究对时间序列的相关理论进行了系统、全面的阐述，以期为后续研究奠定基础。

简介：摘要：随着经济全球化进程的不断推进，我国市场经济也得到了迅速发展，尤其是近几年来，全球手机销量大约有14亿部，这使得智能手机成为全球销量最大以及总价值最高的科技产品。对于智能手机而言，供应链已是全球化，但是制造大部分处于亚洲。其中中国制造企业在手机供应链中也扮演起了越来越重要的核心角色。

简介：摘要：白酒行业是食品行业的一大重要分支，在国民经济行业中拥有重要的地位。以四川省宜宾五粮液集团有限公司为例，对其五粮液销售总额数据建立时间序列预测模型，反映消费者对于五粮液品牌的追求和认可度，预测未来市场环境变化，制定销售策略调整计划。

简介：摘要：最近出现的像物联网和大数据这样的尖端计算技术，导致了一个可以生成、收集和利用大规模数据的新时代。现在不仅可以更容易地获得数据量，而且还可以获得以前难以获得的信息和知识。在不同的领域，如能源、气候、经济、商业和医疗保健，由于数据采集故障、传输过程异常、机器运行中的设备故障等等原因，导致在这些领域往往存在数据部分缺失的问题。缺失的值被认为是数据分析中的主要障碍，因为它们扭曲了数据的统计特性，减少了可用性。缺失的值不仅会破坏原始数据分布的完整性和平衡性，而且还会影响相关场景的后续分析和应用，因此时间序列中缺失值的处理已经成为一个非常重要的问题，同时时间序列数据在数据挖掘和分析中具有重要的价值。

简介：摘要:蓄水调水和治理泥沙一直都是治理黄河河段的基本工作之一，但在研究黄河水文时，由于黄河水沙通量较大，数据特性分析难度大。本文建立模型实现基于不同时间序列的数据汇总分析。利用距平值对突变性进行分析；通过可视化分析，研究所表现出的周期变化；季节性水沙通量最大值往往出现在夏季，最小值往往出现在冬季；通过spsspro建立水沙通量的季节性ARIMA模型来研究其变化规律，发现季节性数据的水流量的拟合度0.724，排沙量拟合度为0.764，拟合效果较好；能较好的进行预测分析，并为黄河水流管理提供理论依据。

简介：摘要：社会消费品零售总额是拉动我国国民经济增长的重要力量。以成都市为例，对其社会消费品零售总额数据建立时间序列预测模型，反映当地居民生活消费水平，预测未来市场环境变化，制定经济结构调整计划。

简介：摘要：社会消费品零售总额是拉动我国国民经济增长的重要力量。以成都市为例，对其社会消费品零售总额数据建立时间序列预测模型，反映当地居民生活消费水平，预测未来市场环境变化，制定经济结构调整计划。

简介：摘要：本文提出了一种基于时间序列分析组合模型的变形监测与预报方法，该方法将ARIMA模型和指数平滑模型相结合，并利用Kalman滤波算法对模型进行优化。采用该方法对某隧道进行了变形监测与预报研究，并与传统的单一模型进行了对比分析。研究结果表明，基于时间序列分析组合模型的变形监测与预报方法具有更高的预测精度和更好的实时性。