《表1：基于ARIMA模型的铁路货运量预测》
提示：宽带有限、当前游客访问压缩模式
首先必须保证各参数显著，其次根据AIC定价准则，选择AIC数值最小的得到最终的模型，由下表可得，我们选择ARIMA（0，1，1）模型作为最终的模型。 （见表1）
| 图表编号 | XD0063196400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.30 |
| 作者 | 赵娜青 |
| 绘制单位 | 河北大学经济学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 ARIMA(2,1,2)×(0,1,2)12模型对2020年客运量的预测值》2020.10.10
- 《表1 模型识别原则：基于ARIMA预测修正的工控系统态势理解算法》2020.09.05
- 《表4 围岩最大变形值：基于中吉乌铁路线路走向方案的客货运量预测探析》2020.12.15
- 《表7 警情对照表：基于中吉乌铁路线路走向方案的客货运量预测探析》2020.12.15
- 《表4 钢铁价格预测结果：基于ARIMA模型的钢铁价格预测》2021.02.05
- 《表1 单位根检验：基于ARIMA模型的钢铁价格预测》2021.02.05
- 《表1：仿真测试参数：基于ARIMA和线性回归组合模型的煤炭价格预测》2021.01.01
- 《表4 模型的预测评价：基于季节ARIMA模型的短期电价预测》2018.12.20
- 《表1 基质沥青性质：基于ARIMA的短时交通量预测模型》2020.07.01
- 《表1基于Servqual模型的铁路货运服务质量评价指标体系》2020.07.25
- 《表6 模型预测结果比较：基于ARIMA模型的吐鲁番市葡萄产量预测分析》2019.11.10
- 《表1 1 模型比较：基于ARIMA模型的渔业经济预测及其优化》2019.04.01
- 《表2：基于ARIMA模型的铁路货运量预测》2019.06.30
- 《表1 实验数据集：基于ARIMA和CART的负载预测模型》2019.05.30
- 《表1：基于ARIMA模型的重庆市GDP的分析与预测》2019.06.01
- 《表1 模型比较：基于ARIMA乘积季节模型的流行性感冒预测分析》2019.04.28
- 《表1 白噪声检验结果：基于ARIMA模型的机场航班延误预测技术研究》2018.05.25
- 《表3 实验结果对比：基于Verhulst–RBF的铁路客运量预测》2019.11.25
- 《表4 分析结果：应用多元线性回归模型的铁路客运量预测》2018.09.15
- 《表1 F检验的步骤：应用多元线性回归模型的铁路客运量预测》2018.09.15