Modelagem Automática Média Móvel Arima Modificada Para Nascimento Previsão

Comparação da previsão de consumo de energia primária da China com o modelo ARIMA (a média móvel integrada autorregressiva) eo modelo GM (1,1) Chaoqing Yuan a, b ,. Sifeng Liu a, c Zhigeng Fang a, ca Faculdade de Economia e Gestão, Nanquim Universidade de Aeronáutica e Astronáutica, Nanjing, 211106, China b Centro de Pesquisa para Desenvolvimento Científico, Nanquim Universidade de Aeronáutica e Astronáutica, Nanjing, 211106, China c Instituto para Gray System, Nanjing University of Aeronautics and Astronautics, Nanjing, 211106, China Recebido em 6 de agosto de 2015. Revisado em 31 de dezembro de 2015. Aceito em 1 de fevereiro de 2016. Disponível em linha 24 de fevereiro de 2016. Destaques GM (1,1) e ARIMA Médio) são utilizados para prever o consumo de energia primária da China. Os resíduos dos dois modelos são opostos. O modelo híbrido dos dois é melhor. O consumo de energia primária da China aumentará a uma taxa de crescimento de cerca de 4 entre 2014 e 2020. O consumo de energia primária da China aumenta rapidamente, o que está altamente relacionado com o desenvolvimento sustentável da China e tem grande impacto no mercado global de energia. Dois modelos univariados, modelo ARIMA (média móvel integrada autorregressiva) e modelo GM (1,1), são usados ​​para prever o consumo de energia primária da China. Os resultados dos dois modelos estão em linha com os requisitos. Através da comparação, verifica-se que os valores ajustados do modelo ARIMA respondem menos às flutuações porque estão limitados pela sua tendência de longo prazo, enquanto que os do modelo GM (1,1) respondem mais devido ao uso dos últimos quatro dados. E os resíduos dos dois modelos são opostos em um sentido estatístico, de acordo com Wilcoxon assinado rank teste. Assim, um modelo híbrido é construído com esses dois modelos, e seu MAPE (Mean Absolute Percent Error) é menor do que o modelo ARIMA eo modelo GM (1,1). E, em seguida, Chinas consumo de energia primária é prevista através da utilização dos três modelos. E os resultados indicam que a taxa de crescimento do consumo de energia primária da China de 2014 a 2020 será bastante grande, mas menor do que a primeira década do novo século. Consumo de energia Predição Modelo ARIMA modelo GM (1,1) Tabela 1. Fig. Modelos 1.Autoregressive de Média Móvel Integrada (ARIMA) para Previsão de Nascimento QuotWind dados de IRUSE foram usados ​​para todo o período. O objetivo deste trabalho foi prever o campo de vento de alta resolução usando a modelagem ARIMA (Auto-Movimento Média Integrada Autorestrada) de Box-Jenkins com base em dados de vento de alta resolução e dados de vento IRUSE sucessivos 6, 7. Um modelo ARIMA não-estacional é muitas vezes doado Como ARIMA (p, d, q), p é a ordem da componente auto-agressiva e q é a ordem da componente média móvel ajustada às d-ésimas diferenças da série. Quot O texto de ARIMA discutido por Box et al. (2008) inclui uma classe popular de modelos (ver também Abraham e Ledolter, 1983). O modelo de ARIMA foi aplicado para prever a taxa de fertilidade e seus problemas relacionados por Lee (1974, 1975), Saboia (1977), McDonald (1979, 1981) Crítico para a política governamental, planejamento e tomada de decisão. Com a disponibilidade da Base de Dados de Fertilidade Humana (2011), comparamos a precisão empírica das previsões de pontos e intervalos, obtidas pela abordagem de Hyndman e Ullah (2007) e suas variantes para previsão de taxas de fecundidade por idade. As análises são realizadas usando os dados de fecundidade por idade de 15 países na sua maioria desenvolvidos. Com base nas medidas de erro de previsão de um passo em frente para 20 passos em frente, o método ponderado Hyndman-Ullah fornece as previsões de ponto e intervalo mais precisas para a previsão de taxas de fecundidade por idade, entre todos os métodos que investigamos. Muitos autores aplicaram métodos de séries temporais por si mesmos, usando métodos de média móvel automática autorregressiva (ARIMA) para prever o total de circunferências (Dodd, 1980 McDonald, 1981 e Saboia, 1977). Embora esses esforços produzissem algumas idéias sobre o uso de métodos de séries temporais sobre a fertilidade, as previsões ignoraram a vantagem de usar métodos de coorte-componente (Long, 1981). RESUMO: A projeção das taxas individuais de fecundidade por idade é um problema de previsão de alta dimensão. Resolvemos este problema de dimensionalidade usando curvas paramétricas para aproximar as taxas anuais específicas de idade e um modelo de séries temporais multivariadas para prever os parâmetros da curva. Estes rendem previsões das curvas futuras da fertilidade, que são usadas então computar previsões da taxa de fertilidade idade-específicas. Isso reduz a dimensionalidade do problema de previsão e também garante que as projeções de longo prazo das taxas de fecundidade por idade específica exibirão uma forma suave ao longo da idade, semelhante aos dados históricos. As projeções de curto prazo são melhoradas usando também técnicas simples para prever os desvios das curvas ajustadas das taxas reais. O artigo aplica esta abordagem aos dados de fecundidade por idade para mulheres brancas americanas a partir de 19211984. As previsões resultantes são examinadas eo modelo multivariado é utilizado para investigar possíveis relações entre os parâmetros da curva, expressos como a taxa de fecundidade total, A idade fértil e o desvio padrão da idade na idade fértil. A única relação forte encontrada é a relação contemporânea entre a média eo desvio padrão da idade na idade fértil. Uma variação dessa abordagem, em conjunto com o julgamento demográfico tradicional, foi usada em um conjunto recente de projeções de população do Census Bureau dos EUA. Discutimos essa implementação e comparamos as projeções do Census Bureau com aquelas produzidas diretamente a partir do modelo apresentado aqui. Artigo de texto completo Outubro 1989 Patrick A. Thompson William R. Bell John F. Long Robert B. Modelos da série de MillerTime para a previsão do nascimento. Modelos de média móvel (ARIMA) auto-regressivos são desenvolvidos para as séries temporais de nascimento e sua relação com os modelos clássicos de crescimento populacional é investigada. São obtidas versões parcimoniosas dos modelos ARIMA que retêm as informações mais importantes, incluindo o tempo de geração da população. A técnica é aplicada aos dados da população humana (México e Noruega) e as previsões são obtidas. Um modelo causal relacionando casamentos a nascimentos também é desenvolvido e aplicado. Adicione uma crítica e compartilhe suas opiniões com outros leitores. Seja o primeiro. Adicione uma crítica e compartilhe suas opiniões com outros leitores. Seja o primeiro. Adicionar tags para Modelos de séries temporais para previsão de nascimento .. Seja o primeiro. Ítens Similares Assuntos Relacionados: (10) Confirmar esta solicitação Você já pode ter solicitado este item. Por favor, selecione Ok se você quiser continuar com este pedido de qualquer maneira. Dados vinculados Modelos da série de tempo da entidade primária para previsão do nascimento. Um esquema: Livro. Schema: biblioteca CreativeWork: oclcnum 227385200 biblioteca: placeOfPublication Ft. Esquema de Previsão: sobre Esquema de Previsão: sobre Esquema de Previsão: sobre Esquema de Previsão: sobre Esquema de Previsão: sobre Esquema de Previsão: sobre Esquema de População: sobre Esquema de População: sobre Countries schema: bookFormat bgn: Esquema do PrintBook: contribuidor Joao LM Saboia schema: colaborador CALIFORNIA UNIV BERKELEY OPERATIONS RESEARCH CENTER. Schema: datePublished APR 1975 esquema: datePublished 1975 schema: description Modelos de média móvel integrada (ARIMA) auto-regressivos são desenvolvidos para a série de tempo de nascimento e sua relação com os modelos clássicos de crescimento populacional é investigada. São obtidas versões parcimoniosas dos modelos ARIMA que retêm as informações mais importantes, incluindo o tempo de geração da população. A técnica é aplicada aos dados da população humana (México e Noruega) e as previsões são obtidas. Um modelo causal relacionando casamentos a nascimentos também é desenvolvido e aplicado. En schema: exampleOfWork schema: inLanguage en schema: name Modelos de Série de Tempo para Previsão de Nascimento. En schema: productID 227385200 schema: esquema de publicação: publisher Defense Technical Information Center wdrs: describedby. Entidades Relacionadas Centro de Informações Técnicas da Defesa a bgn: Esquema do Agente: nome Defesa Centro de Informações Técnicas. CALIFORNIA UNIV BERKELEY CENTRO DE INVESTIGAÇÃO DE OPERAÇÕES. Um esquema: Esquema da organização: nome CALIFORNIA UNIV BERKELEY OPERATIONS RESEARCH CENTER. .