卢新义,王继周

• 1:辽宁工程技术大学测绘与地理科学学院
• 2:中国测绘科学研究院

摘要(Abstract)：

针对同一地区不同时间内直播星电视服务用户的数量变化特征,该文提出了基于时间序列的直播星用户预测方法,并通过ARIMA模型预测用户数量。分析了ARIMA模型的建立方法和评价参数,对时间序列模型ARIMA(p,d,q)的参数进行不同组合的尝试;利用模型评价参数(平稳的R方和正态化的BIC)确定模型的阶数p、q;对模型进行参数检验和显著性检验,根据检验结果确立最终模型为ARIMA(4,2,3);采用宁夏用户数据对模型拟合效果进行验证,进而对未来几个月的用户数量进行预测。结果表明,时间序列模型ARIMA(4,2,3)对宁夏用户数量变化的预测准确度比较高。

关键词(KeyWords)： 时间序列;直播星用户;参数组合;ARIMA模型;预测

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 卢新义,王继周

DOI: 10.16251/j.cnki.1009-2307.2016.12.009

参考文献(References)：

• [1]张红玉,杨飞华,李国学,等.基于ARIMA模型的北京市朝阳区建筑垃圾产量分析与预测[J].环境工程,2014,32(S1):696-699.
• [2]NASIBOVE,PEKER S.Time series labeling algorithms based on the K-nearest neighbors’frequencies[J].Expert Systems with Application,2011,38(5):5028-5035.
• [3]魏宁,边宽江,袁志发.基于ARIMA模型的陕西省GDP分析与预测[J].安徽农业科学,2010,38(9):4933-4935.
• [4]李生彪,彭建奎.基于Box-Jenkins方法的甘肃省GDP时间序列分析建模与预测[J].延边大学学报:自然科学版,2014,40(2):146-149.
• [5]彭斯俊,沈加超,朱雪.基于ARIMA模型的PM2.5预测[J].安全与环境工程,2014,21(6):125-128.
• [6]石子泊,邹志红.基于小波变换的ARIMA模型在水质预测中的应用研究[J].环境工程学报,2014,8(10):4550-4554.
• [7]孙苗,孙祥超,耿伟华.基于ARIMA模型的山东省月降水量时间序列分析[J].鲁东大学学报:自然科学版,2013,29(3):244-249.
• [8]虞安,王忠.基于ARIMA模型与时间序列的城市旅游倾向预测[J].统计与决策,2014(13):86-89.
• [9]张侨,蔡道成.基于ARIMA模型的海南旅游者人数预测[J].科技和产业,2014(4):24-27.
• [10]SHAHANDASHTI S M,SHURI B A.Forecasting engineering news-record construction cost index using multivariate time series models[J].Journal of Construction Engineering and Management,2013,139(9):615-617.
• [11]刘劲松.数据挖掘中的现代时间序列分析方法[J].信息技术,2007,1(7):100-101.
• [12]乐天,蔡远文,马雪松.时间序列预测的发展与应用[J].兵工自动化,2015,34(2):63-68.
• [13]刘薇.时间序列分析在吉林GDP预测中的应用[D].长春:东北师范大学,2008:5.
• [14]李大利.一种时间序列预测方法的应用研究[D].长春:吉林大学,2008:2.
• [15]魏宁.时间序列分析方法研究及其在陕西省GDP预测中的应用[D].陕西:西北农林科技大学,2010:1.
• [16]刘荣其.基于聚类和时序分析的林分生长模型[D].福州:福建农林大学,2009:11.