發(fā)布時間：2020-12-06 00:43

　　為提高CPI建模精度,本文使用SARIMA、SARIMA-LSTM、LSTM三個模型對河南省月度CPI進(jìn)行建模預(yù)測。研究發(fā)現(xiàn)SARIMA-LSTM模型效果最優(yōu),可以反映河南省居民消費(fèi)價格指數(shù)的真實狀況,用于CPI實際預(yù)測。 

【文章來源】：現(xiàn)代商貿(mào)工業(yè). 2020年25期 第97-98頁

【文章頁數(shù)】：2 頁

【部分圖文】：

CPI序列圖

【參考文獻(xiàn)】：
期刊論文
[1]漢江流域安康站日徑流預(yù)測的LSTM模型初步研究[J]. 胡慶芳,曹士圯,楊輝斌,王銀堂,李伶杰,王立輝.  地理科學(xué)進(jìn)展. 2020(04)
[2]基于LSTM神經(jīng)網(wǎng)絡(luò)的金融時間序列預(yù)測[J]. 歐陽紅兵,黃亢,閆洪舉.  中國管理科學(xué). 2020(04)
[3]陜西省居民消費(fèi)價格指數(shù)預(yù)測[J]. 張?zhí)鹑?  合作經(jīng)濟(jì)與科技. 2020(07)
[4]基于ARIMA模型、灰色模型和回歸模型的預(yù)測比較[J]. 李志超,劉升.  統(tǒng)計與決策. 2019(23)
[5]基于ARIMA-SVM模型的鄭州市CPI預(yù)測研究[J]. 梁曉瑩.  洛陽理工學(xué)院學(xué)報(社會科學(xué)版). 2019(04)
[6]基于BP神經(jīng)網(wǎng)絡(luò)誤差校正的ARIMA組合預(yù)測模型[J]. 吳曉峰,楊穎梅,陳垚彤.  統(tǒng)計與決策. 2019(15)
[7]基于LSTM深度神經(jīng)網(wǎng)絡(luò)的月門診量預(yù)測精度研究[J]. 李琳,王哲,張學(xué)良,王凱,周毅.  中國數(shù)字醫(yī)學(xué). 2019(01)
[8]基于ARIMA模型的居民消費(fèi)價格指數(shù)走勢實證分析與預(yù)測——以重慶市為例[J]. 倪穎,年靖宇.  貴州商學(xué)院學(xué)報. 2018(02)
[9]基于ARMA模型的CPI短期預(yù)測研究[J]. 袁志強(qiáng),陳銳.  中國集體經(jīng)濟(jì). 2018(03)



本文編號：2900392