时间序列分析开题报告.doc

一、毕业设计（论文）内容及研究意义（价值）1.1研究内容时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法研究随机数据序列所遵从的统计规律以用于解决实际问题。它包括一般统计分析(如自相关分析谱分析等)统计模型的建立与推断以及关于时间序列的最优预测、控制与滤波等内容。时间序列是按时间顺序排列的一组数字序列。而时间序列分析就是利用这组数列应用数理统计方法加以处理以预测未来事物的发展。它的基本原理:一是承认事物发展的延续性。应用过去数据就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响为此要利用统计分析中加权平均法对历史数据进行处理。随着招生改革的深化高校招生生源之争在所难免。通过时间序列分析的基本方法：回归分析法、指数加权平滑法、移动平均法来分析某高校招生部门提供的2005~2010年度各省、直辖市新生入学报到率的历史数据应用基于时间序列分析法的新生入学报到率预测模型预测2011年14个省、直辖市新生入学报到率然后与2011年高校新生入学报到率的实际情况进行比较验证该模型的合理性和可信性。1.2研究意义通过科学、准确地对新生入学报到率的预测使学校招生总体规划与国民经济发展规划和社会发展相适应招生部门也可科学地规划各省、直辖市的招生指标。如在学校每年各招生指标不变的前提下对预测入学率较高的省份放较多的招生指标相反入学率较低的则适当减少招生指标。因此新生入学报到率的预测是招生部门每年编制各省、直辖市招生计划的重要依据而预测方法又是科学预测入学率的重要手段。通常学校招生部门编制下一年的招生计划的原则是在保证不突破学校总的招生计划前提下提高入学报到率以最高的全校入学率来完成学校每年的招生任务。而本次论文主要是为了研究和验证时间序列分析在高校新生入学报到率预测过程中可用性为高校招生时制定合理的招生计划提供帮助。二、毕业设计（论文）研究现状和发展趋势时间序列分析方法（简称时序分析）是在具有先后顺序的信号中提取有用信号的一门学科。它是数理统计学的一个重要分支是研究随机过程的重要工具。时序分析起源于本世纪二十年代最早是为了市场预测。随着时序分析的理论和应用这两方面的深入研究时序分析的应用范围日益扩大从一般的市场预测到语音识别与模拟从机械设备的监视到生物生理、心理状态研究时间序列分析的应用也越来越广泛越来愈深入。1927年G.U.Yule提出了AR(Autoregressive)模型时序模型从非参数模型发展成参数模型这是广义时序分析发展中的重大突破。此后逐步发展了ARMA（AutoregressiveMovingAverage）模型、多维ARMA模型、非平稳时序模型等。之后于60年代后期在谱分析与谱估计方面取得突破性进展后同控制理论的结合使时间序列分析得到迅速发展。1970年G.E.P.Box与G.M.Jenkins发表了专著TimeSeriesAnalysis:ForecastingandControl对时序方法及其应用作了较为系统的深入论述而S.M.Wu与S.M.Pandit提出了DDS方法（DynamicDataSystem）推动了时序方法的工程应用。近年来在时间序列分析理论中发展最为迅速的当属单位根理论。这一理论主要研究随机漫步过程统计量的非对称性质。单位根问题已经引起了越来越多计量经济学家和统计学家的关注。它不但为决定ARIMA模型查分的阶提供了正式的检验方法也为某些统计量的检验开辟了新的领域。Tsay和Tiao将单位根检验扩展到多元情况这就是所谓的协整检验。在我国时序研究和应用起步较晚第一本专著是《时间序列的分析和应用》此后获得较为广泛的发展。我国许多高校和科研单位开展了时序理论特别是时序应用方面的研究工作不少成果已实际应用取得了明显的社会效益和经济效益。时序分析未来研究的一个重要原动力源自于金融市场、信息网络以及电子商务等领域超容量数据的获得。在全球化竞争日益激烈的环境中这些数据的可利用价格越来越大。然而这些数据非常庞大而且离散型和连续性的多元变量相混杂传统和现有的数据处理方法远远不能对其进行有效的加工处理。对这些数据进行综合分析的迫切性肯定会影响未来时序分析的研究方向。随着时间序列分析在各个领域的应用不断深入以及社会各领域的发展势必会出现更复杂的时间序列如何找到能更贴切描述、预测控制系统的模型是研究时间序列最直接的发展动向。实际的数据大都含有噪声、波动或者趋势。用平稳时间序列模型描述此类数据产生的误差很大因此需要研究时间序列线性和非线性的交互关系比如如何提高描述若干非平稳时间序列间的交叉相关和类似的数据关系的方法这还有待于进一步研究。三、毕业设计（论文）研究方案及工作计划3.1研究方案(1)介绍时间序列分析的基本理论及方法包括：基本概