摘要
2005年到2017年每年的月度数据进行分析,建立ARIMA模型进行预测,预测假设下来5期的情况,。本文开始进行数据的预处理和对模型的建立情况进行判断,使用了R软件进行实际操作,对时间序列的自相关性和偏自相关性进行分析,残差的自相关检验,数据的平稳性检验等等方法,最终选定了ARIMA模型。
关键字:ARIMA模型、、时间序列、R
时间 |
产量 |
时间 |
产量 |
时间 |
产量 |
2005-11 |
2041.9 |
2010-06 |
3466.6 |
2014-04 |
4250.22 |
2005-12 |
2246.6 |
2010-07 |
3776.4 |
2014-05 |
4415.94 |
2006-12 |
2573.4 |
2010-08 |
3903.3 |
2014-06 |
4580.71 |
2007-02 |
1967.3 |
2010-09 |
3486.5 |
2014-07 |
5047.94 |
2007-03 |
2472 |
2010-10 |
3328.8 |
2014-08 |
4959.31 |
2007-04 |
2474.5 |
2010-11 |
3453.4 |
2014-09 |
4541.72 |
2007-05 |
2568.7 |
2010-12 |
3677.8 |
2014-10 |
4446.41 |
2007-06 |
2715.6 |
2011-02 |
3100.8 |
2014-11 |
4487.21 |
2007-07 |
2915.7 |
2011-03 |
3830.1 |
2014-12 |
4902.18 |
2007-08 |
2989.8 |
2011-04 |
3663.8 |
2015-02 |
3653.85 |
2007-09 |
2760.1 |
2011-05 |
3775.4 |
2015-03 |
4510.61 |
2007-10 |
2727.9 |
2011-06 |
3968.2 |
2015-04 |
4450.26 |