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在客貨運輸量預測的應用
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測模型，模型確定為ARIMA(1，1,1)12和ARIMA（12,1,12）12，并對數據進行預測，通過AIC準則和SBC準則確定ARIMA（12,1,12）12為相對最優模型。 關鍵詞：時間序列，ARIMA，AIC準則，SBC準則
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
隨著經濟的高速發展，我國客貨運總量數據也在逐年增高，對客貨運總量數據的預測有利于制定未來運輸的發展戰略，合理利用資源，合理調度，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）和使之成為平穩序列所做的差分次數（階數）為基礎“混合”構成。
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如下：
1. 求出該觀察值序列的樣本自相關系數（ACF）和樣本偏自相關系數（PACF）的值
2. 根據樣本自相關系數和偏自相關系數的性質，選擇階數適當的ARMA(p,q)模型進行擬合。
3.估計模型中未知參數的值。
4.檢驗模型的有效性。如果擬合模型通不過檢驗，轉向步驟2，重新選擇模型再擬合。
5. 模型優化。如果擬合模型通過檢驗，仍然轉向步驟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模型。
6. 利用擬合模型，預測序列的將來走勢
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據，對數據進行建模和預測。
年1月到2013年11月。數據分析軟件采用EViews，它是為Windows設計的統計分析軟件，對于計量經濟分析有著很大的用處，比如時間序列的估計和預測。
數據輸入
將數據導入EViews軟件，觀察樣本自相關系數和偏自相關系數的值，如下：
CARGO
45
40
35
30
25
20
15
10
5
圖二
客貨運數量樣本
圖三客貨運數量樣本相關性
可以看出自相關序列函數隨著K的值增加，衰減緩慢，說明樣本序列是非平穩的，所以接下來進行平穩化。
平穩性檢測
對數據進行一階差分，觀察其自相關序列和偏自相關序列，效果如下：
圖四一階差分后樣本的相關性
可以看出，序列在12、24、36處有強相關性，呈周期性，所以一階差分不能很好的去除數據的周期性，所以采用一階十二步差分，觀察其自相關序列和偏自相關序列，效果如下：
圖五一階十二步差分后樣本的相關性
觀察知，樣本在K=12處還有較強的相關性，但比一階差分有較好的效果。對一階十二步差分數據進行平穩性檢測。做差分后序列進行單位根檢驗（DF檢驗）和擴充的單位根檢驗（ADF檢驗），檢驗結果如下：
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，序列式平穩的。
模型定階
自相關序列和偏自相關序列表現出拖尾的性質，故用ARMA模型進行預測，嘗試采用ARIMA（1,1,1）12，ARIMA（12,1,12）12。
估計模型參數
輸入模型中變量，確定參數估計結果如下：
篇二：時間顯示程序及注釋
；端口與內存單元
SCLK EQU P3.2
IO EQU P3.3
RST EQU P3.4
TRL EQU P3.5 ；調日歷
JIA1 EQU P3.6 ；加
TSH EQU P3.7 ；調時間
YEAR DATA 65H ;數據存儲單元
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 設置指針
LCALL DELAY1
MOV DS_ADDR,#8EH
MOV DS_DATA,#00H
LCALL WRITE ；調用寫程序。
START0:
MOV DS_ADDR,#81H
LCALL READ ；讀取81單元數據
ANL A,#7FH；A最高位值為0.
MOV DS_ADDR,#80H
MOV DS_DATA,A ；將A數據放入80單元
LCALL WRITE
START1:MOV DS_ADDR,#0C0H ；調節設置。
MOV DS_DATA,#9CH
LCALL WRITE
MOV 20H,#0；20H，21H，22H為RAM中的位尋址區地址。 MOV 21H,#0FH
MOV 22H,#0
MAIN1: JB TRL,MAIN2FA ；若TRL=1，此按鍵不動，轉到MAIN2FA MOV 22H,#1；按下后，
AJMP MAIN2FB
MAIN2FA:JB TSH,MAIN2F；TSH=1，此按鍵不動，轉到起始處。 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 ；調數時，數據閃爍。
JNB TSH,MAIN4 ；按下調時間鍵，轉向調時間程序
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；按下調日歷鍵，轉向調日歷程序
MOV 22H,#1
NNN: LCALL DISP
JNB TRL,YYY ；若再按下TRL時，轉向調月份程序。
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；調用加1程序。
MOV YEAR,A 將A值給YEAR
CJNE A,#30H,NNN1 A不等于30H，則轉到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 函數的使用。
使用Intnx 函數產生序列的時間間隔，分別對同一組數據產生其時間間隔，分別調整觀測指針由參照時間向過去和未來撥1期，觀察序列數據的變化。 數據：2012年12個月化工生產過程的產量數據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
由運行結果知向未來撥一個日期，其時間與產量對應的時間出現移動，即時間向前移了兩個時期，即產量數據與時間不對應。
二、分析太陽黑子數序列(見附數據1)，預測6期結果。
步驟
1、開機進入SAS 系統。
2、創建名為exp1的SAS數據集，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；
輸入太陽黑子數序列(見附數據1)
run；
運行結果：
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、繪數據與時間的關系圖，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；
運行結果：
（1）
自相關圖
（2） 偏自相關圖
第4頁
【時間序列報告】相關文章：
時間與數學的教學反思03-19
時間煮雨_聽后感想03-03
什么時間的小班教學活動設計（精選12篇）03-02
《和時間賽跑》教學反思參考（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