时间序列报告精选
时间序列报告精选
篇一：时间序列报告
ARIMA在客货运输量预测的应用
摘要:本次实验利用时间序列中ARIMA模型，建立了客货运输总量预测模型，模型确定为ARIMA(1，1,1)12和ARIMA（12,1,12）12，并对数据进行预测，通过AIC准则和SBC准则确定ARIMA（12,1,12）12为相对最优模型。 关键词：时间序列，ARIMA，AIC准则，SBC准则
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
随着经济的高速发展，我国客货运总量数据也在逐年增高，对客货运总量数据的预测有利于制定未来运输的发展战略，合理利用资源，合理调度，使得流通更快捷便利。
2. 模型简介
ARIMA模型定义
ARIMA 模型（Autoregressive Integrated Moving Average model）是研究时间序列的重要方法，由自回归模型（简称AR模型）、滑动平均模型（简称MA模型）和使之成为平稳序列所做的差分次数（阶数）为基础“混合”构成。
ARIMA模型表示为：
(1iL)(1L)Xt(1iLi)t id
i1i1pq
p0,p0
E(t)0,Var(t)2,E(ts)0,st
Exst0,st
其中L是滞后算子。
3. 建模步骤
建模的基本步骤可以总结如下：
1. 求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值
2. 根据样本自相关系数和偏自相关系数的性质，选择阶数适当的ARMA(p,q)模型进行拟合。
3.估计模型中未知参数的值。
4.检验模型的有效性。如果拟合模型通不过检验，转向步骤2，重新选择模型再拟合。
5. 模型优化。如果拟合模型通过检验，仍然转向步骤2，充分考虑各种可能，建立多个拟合模型，从所有通过检验的拟合模型中选择最优模型。
6. 利用拟合模型，预测序列的将来走势
示意图如下：
图一 建模步骤
4. 实例分析
本实验分析客货运输量数据，对数据进行建模和预测。
年1月到2013年11月。数据分析软件采用EViews，它是为Windows设计的统计分析软件，对于计量经济分析有着很大的用处，比如时间序列的估计和预测。
数据输入
将数据导入EViews软件，观察样本自相关系数和偏自相关系数的值，如下：
CARGO
45
40
35
30
25
20
15
10
5
图二
客货运数量样本
图三客货运数量样本相关性
可以看出自相关序列函数随着K的值增加，衰减缓慢，说明样本序列是非平稳的，所以接下来进行平稳化。
平稳性检测
对数据进行一阶差分，观察其自相关序列和偏自相关序列，效果如下：
图四一阶差分后样本的相关性
可以看出，序列在12、24、36处有强相关性，呈周期性，所以一阶差分不能很好的去除数据的周期性，所以采用一阶十二步差分，观察其自相关序列和偏自相关序列，效果如下：
图五一阶十二步差分后样本的相关性
观察知，样本在K=12处还有较强的相关性，但比一阶差分有较好的效果。对一阶十二步差分数据进行平稳性检测。做差分后序列进行单位根检验（DF检验）和扩充的单位根检验（ADF检验），检验结果如下：
图六一阶十二步差分后的样本值
图七 一阶十二步差分后样本的ADF检验
可以看出，单位根检验的T统计量值等于-5.155，小于ADF检验0.1~0.01的 各种显著水平的T值，则接受原假设，序列式平稳的。
模型定阶
自相关序列和偏自相关序列表现出拖尾的性质，故用ARMA模型进行预测，尝试采用ARIMA（1,1,1）12，ARIMA（12,1,12）12。
估计模型参数
输入模型中变量，确定参数估计结果如下：
篇二：时间显示程序及注释
；端口与内存单元
SCLK EQU P3.2
IO EQU P3.3
RST EQU P3.4
TRL EQU P3.5 ；调日历
JIA1 EQU P3.6 ；加
TSH EQU P3.7 ；调时间
YEAR DATA 65H ;数据存储单元
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 设置指针
LCALL DELAY1
MOV DS_ADDR,#8EH
MOV DS_DATA,#00H
LCALL WRITE ；调用写程序。
START0:
MOV DS_ADDR,#81H
LCALL READ ；读取81单元数据
ANL A,#7FH；A最高位值为0.
MOV DS_ADDR,#80H
MOV DS_DATA,A ；将A数据放入80单元
LCALL WRITE
START1:MOV DS_ADDR,#0C0H ；调节设置。
MOV DS_DATA,#9CH
LCALL WRITE
MOV 20H,#0；20H，21H，22H为RAM中的位寻址区地址。 MOV 21H,#0FH
MOV 22H,#0
MAIN1: JB TRL,MAIN2FA ；若TRL=1，此按键不动，转到MAIN2FA MOV 22H,#1；按下后，
AJMP MAIN2FB
MAIN2FA:JB TSH,MAIN2F；TSH=1，此按键不动，转到起始处。 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 ；调数时，数据闪烁。
JNB TSH,MAIN4 ；按下调时间键，转向调时间程序
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；按下调日历键，转向调日历程序
MOV 22H,#1
NNN: LCALL DISP
JNB TRL,YYY ；若再按下TRL时，转向调月份程序。
MOV 20H,#8
LCALL DISP；闪烁，年份加一。
JB JIA1,NNN
NNN2: LCALL DISP
JNB JIA1,NNN2 按下加一键，闪烁。
MOV R7,YEAR 松开后将YEAR值给R7。
LCALL JIAY1；调用加1程序。
MOV YEAR,A 将A值给YEAR
CJNE A,#30H,NNN1 A不等于30H，则转到NNN1 MOV YEAR,#06A若等于30H，则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 ；修改小时 ；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：时间序列分析报告2
一、Intnx 函数的使用。
使用Intnx 函数产生序列的时间间隔，分别对同一组数据产生其时间间隔，分别调整观测指针由参照时间向过去和未来拨1期，观察序列数据的变化。 数据：2012年12个月化工生产过程的产量数据47 64 23 71 38 64 55 41 59 48 71 35
解：向过去拨1期
向未来拨1期
第1页
由运行结果知向未来拨一个日期，其时间与产量对应的时间出现移动，即时间向前移了两个时期，即产量数据与时间不对应。
二、分析太阳黑子数序列(见附数据1)，预测6期结果。
步骤
1、开机进入SAS 系统。
2、创建名为exp1的SAS数据集，即在窗中输入下列语句：
data exp1；
input a1 @@；
year=intnx(‘year’,’1jan1742’d,_n_-1)；
format year year4.；
cards；
输入太阳黑子数序列(见附数据1)
run；
运行结果：
第2页
3、保存此步骤中的程序，供以后分析使用（只需按工具条上的保存按钮然后填写完提问 后就可以把这段程序保存下来即可）。
4、绘数据与时间的关系图，初步识别序列，输入下列程序：
proc gplot data=exp1；
symbol i=spline v=star h=2 c=green；
plot a1*year；
run；
运行结果：
第3页
5、提交程序，在graph窗口中观察序列，可以看出此序列是均值平稳序列。
6、识别模型，输入如下程序。
proc arima data=exp1；
identify var=a1 nlag=24；
run；
运行结果：
（1）
自相关图
（2） 偏自相关图
第4页
【时间序列报告】相关文章：
时间与数学的教学反思03-19
时间煮雨_听后感想03-03
什么时间的小班教学活动设计（精选12篇）03-02
《和时间赛跑》教学反思参考（通用11篇）11-27
清税报告和清算报告模板02-15
empb报告02-16
报告格式要求04-04
心理报告格式06-01
solidworks报告精选范文02-16