论文部分内容阅读
时间序列分析方法是概率和数理统计学科应用领域中的一个分支，根据数理统计学的基本原理，可对获得的新数据进行实时调整，从而确定模型的参数，提高模型的预测精度。但是，由于受到各个因素的影响，它们只能对数据的整体趋势进行分析和预测，并不能进行全面地分析。 本文是基于ARIMA模型和动态回归模型的组合模型研究，结合1994年到2013年的浙江省入境旅游人数数据和《基于ARIMA的组合模型问题研究》数据进行深入的研究，体现组合模型更高的预测效率。 首先，深入研究了时间序列模型的相关理论和预测的相关知识，透彻地分析了ARIMA模型和动态回归模型的建模步骤，给出了在模型建立过程中常见问题解决方法。例如异常点处理办法，对于数据是否能够建立模型，以及建立模型的合理性给出依据。 其次，对给出的数据建立ARIMA模型和动态回归模型，验证建立模型的合理性，并对数据进行了预测，根据相对百分比误差、平均绝对误差和平均绝对百分比误差评价标准进行评价。将动态回归模型与指数平滑模型进行对比，体现出动态回归模型具有更高的预测效率。 最后，本文选出4种组合模型的方法，进行模型的选取工作。利用3组组合数根据SSE、MSE、MAE、MAPE和MSPE5个指标进行评价，并与单一模型进行了对比，证明了组合模型在模型选取方面的突破性成绩。同时，对4种模型进行横向的对比，发现不同组的组合模型的选取不是统一的，需要进一步研究，选出最佳的组合模型。