1) Multiple ARIMA Model
乘法ARIMA模型
1.
Forecast for Highway Passenger Carrying Capacity Based on Multiple ARIMA Model;
基于乘法ARIMA模型的公路客运量预测
2) multiply ARIMA model
乘积ARIMA模型
1.
Base on seasonal and non-seasonal ARIMA models,this paper presents a general formula of multiply ARIMA model,providing a general progress to establish and apply the model.
本文在非季节性及季节性ARIMA模型的基础上介绍了乘积ARIMA模型的一般表达式,提供了建立这类模型及使用其进行预报的一般过程,并以某超市月顾客量数据进行了实例分析。
3) ARIMA modeling
ARIMA模型法
1.
In this paper, a practical conclusion has been arrived at that we can transform the nonstationary and growing network traffic to the domain of the stationary signal by the ARIMA modeling.
利用ARIMA模型法,在研究网络流量具有成长性、非平稳性的基础上得到了更为实用的结论。
4) multiple seasonal ARIMA model
ARIMA季节乘积模型
1.
Objective:To establish a model of multiple seasonal autoregressive integrated moving average(ARIMA) (p,d,q)(P,D,Q) s on month-morbility of Bacillary Dysentery,and to explore the applications of multiple seasonal ARIMA model.
结论:通过ARIMA(0,0,1)(0,1,1)12模型与ARIMA(0,1,1)12模型对细菌性痢疾月发病数预测效果的比较,表明ARIMA季节乘积模型是一种短期预测精度较高的预测模型。
5) ARIMA seasonal multiple model
ARIMA季节乘积混合模型
1.
Presented in this paper are traffic prediction models based on application layer,which use ARIMA seasonal multiple model(p,d,q)(P,D,Q)s for modeling and forecasting the seasonal time series from China\'s exports of a metro area network link.
因此提出基于应用层的流量预测分析模型,对国内某城域网出口链路上的应用层流量序列采用ARIMA季节乘积混合模型(p,d,q)(P,D,Q)s建模并预测。
6) ARIMA model
ARIMA模型
1.
Application of ARIMA model in forecasting total phosphorus of Suzhou Creek;
ARIMA模型在苏州河总磷预测中的应用
2.
Application of ARIMA model in the early warning of measles;
ARIMA模型在麻疹预警中的应用
3.
Application of ARIMA model on prediction of malaria incidence;
ARIMA模型在疟疾发病预测中的应用
补充资料：ARIMA模型
ARIMA模型
【ARD城A模型]亦译“综合自回归移动平均模型”。考虑了时间序列的自回归特性和偏自回归特性，将自回归和移动平均分析技术结合起来的综合分析技术。是一种比较成熟的单变量平稳时间序列分析预测方法。 在AR模型和MA模型中，所考察的随机过程本身要求是平稳的，否则，通过差分使过程达到平稳后进行相应的分析。而ARIMA模型就是把差分、服模型和MA模型结合在一起的模型，实际上是更为一般的表达式，用ARIMA(p，d，q)表示，其中的d是表示原过程本身达到平衡所需的差分次数。如果原过程用xt表示，经d阶差分后获得平稳过程wt，即Wt=△dxt，则称xt为d阶齐次非平稳过程。完整的AR侧认(p，d，q)模型表示为: 了茂=吻十艺犷二1‘ .了’一i一名r二1民et一j+“: A印叫认(p，d，q)模型的参数估计一般是先确定原过程的平稳性，经d次差分获得平稳序列戮后，使用戮的自相关函数和偏自相关函数确定AR过程和MA过程的阶数(p，q)，然后估计模型的参数并进行相应的检验，确定模型的有效性，最后才可用于对原过程未来值的预测。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条