5.时间序列分析例题1——新能源汽车保有量预测

最新推荐文章于 2024-10-30 15:00:00 发布

机智何某

最新推荐文章于 2024-10-30 15:00:00 发布

阅读量3.9k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：数学建模文章标签：数学建模

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/fadfdf/article/details/108246904

本文利用时间序列分析中的ARIMA（0，2，0）模型预测2020至2022年新能源汽车保有量。通过对数据的图形分析和残差检验，确认模型识别良好，表现为白噪声序列。尽管平稳r方接近0，但高R方值（0.99）表明模型估计效果优秀。正态化BIC验证了模型选择的最优性。最终给出了95%置信区间的预测结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

例题1：
通过时间序列分析预测2020、2021与2022三年的新能源汽车保有量，已有的数据如下：
在这里插入图片描述
1.画出时间序列图：

图像：
在这里插入图片描述
然后使用专家建模器：

合适的模型为ARIMA（0，2，0）模型。即pq为0，差分阶数为2。（公式见之前的文章）
残差的白噪声检验：
从残差的ACF和PACF图可以知道，所有滞后阶数的自相关系数和偏自相关系数和0没有显著差异。因此，对这些数据来说，ARIMA（0,2,0）

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。