《表4 ARIMA建模：中国民航飞行事故征候时间序列分析及预测》
提示：宽带有限、当前游客访问压缩模式
从表4中的P值可以看出，模型变量对应的参数全部通过显著性检验（P<0.05），因此模型选择ARIMA（3，1，2），模型参数估计结果为:
| 图表编号 | XD00198523700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.25 |
| 作者 | 何玥霓、崔璨、关凯祥 |
| 绘制单位 | 沈阳航空航天大学民用航空学院、沈阳航空航天大学民用航空学院、沈阳航空航天大学民用航空学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 小波分析-ARIMA模型年降水量预测结果》2020.12.25
- 《表3 预测结果表：基于粒子群算法及时间序列ARIMA模型的园区智能照明实现》2020.10.10
- 《表2 各事故征候类型与标准变动前预测值的差值》2021.02.25
- 《表1 单位根检验结果：中国民航飞行事故征候时间序列分析及预测》2021.02.25
- 《表4 预测精度对比：基于ARIMA模型的变压器油中溶解气体含量时间序列预测方法》2020.03.10
- 《表5 情感值时间序列建模及预测》2020.04.25
- 《表5 残差白噪声检验表：基于ARIMA型的中国家禽出栏量预测》2020.06.30
- 《表6 模型参数估计表：基于ARIMA型的中国家禽出栏量预测》2020.06.30
- 《表3 GDP支出结构的自动ARIMA预测及不同情境的分析》2020.07.05
- 《表5 方差分析：基于ARIMA模型的云南省GDP的时间序列分析及预测》2020.05.20
- 《表3 单位根检验结果：基于ARIMA时间序列模型的中国塑料制品产量预测研究》2020.03.25
- 《表6 2006—2010年机组失误导致的事故征候数》2019.10.25
- 《表4 模型的参数估计：基于ARIMA时间序列模型的江西省生产总值预测》2019.09.05
- 《表4 LB统计量对比表：基于ARIMA模型的钢材综合价格指数的分析及预测》2019.09.01
- 《表4：基于ARIMA模型的重庆市GDP的分析与预测》2019.06.01
- 《表4:回归方程中的变量：民航飞行学员私商仪执照考试结果预测模型研究》2019.01.15
- 《表2 2012~2014年型号试飞飞行事故征候统计表》2018.04.01
- 《表1 飞参数据：一架某型外贸机偏离跑道事故征候检查分析及防范措施》2018.03.01
- 《表1 飞参数据：一架某型外贸机偏离跑道事故征候检查分析及防范措施》2018.03.01
- 《表1 2017年3月-2017年5月中国民航鸟击事故征候万次率统计结果》2019.08.01