科技信息
科技信息
과기신식
SCIENTIFIC & TECHNICAL INFORMATION
2011年
27期
445-446
,共2页
ARIMA模型%SVR模型%CPI时间序列%组合模型
ARIMA模型%SVR模型%CPI時間序列%組閤模型
ARIMA모형%SVR모형%CPI시간서렬%조합모형
求和自回归移动平均模型(简称ARIMA)及支持向量回归模型(简称SVR)是两个重要且行之有效的分析及预测时间序列的方法.他们都能在一定程度上反映数据所包含的信息且信息不会完全重叠.为了能够各取所长,本文用这两种模型的组合模型对居民消费指数(CPI进行了预测,结果显示组合模型提高了指数的预测精度.
求和自迴歸移動平均模型(簡稱ARIMA)及支持嚮量迴歸模型(簡稱SVR)是兩箇重要且行之有效的分析及預測時間序列的方法.他們都能在一定程度上反映數據所包含的信息且信息不會完全重疊.為瞭能夠各取所長,本文用這兩種模型的組閤模型對居民消費指數(CPI進行瞭預測,結果顯示組閤模型提高瞭指數的預測精度.
구화자회귀이동평균모형(간칭ARIMA)급지지향량회귀모형(간칭SVR)시량개중요차행지유효적분석급예측시간서렬적방법.타문도능재일정정도상반영수거소포함적신식차신식불회완전중첩.위료능구각취소장,본문용저량충모형적조합모형대거민소비지수(CPI진행료예측,결과현시조합모형제고료지수적예측정도.
