结合学校的数学建模ppt等写的，包含平稳性检验，模型定阶等部分

为了帮助企业、投资者和市场监管部门优化碳排放市场参与行为，需要对碳排放交易价 格进行合理有效的预测。考虑到碳排放交易价格时间序列同时具有线性和非线性２种特征，选 择ARIMA-SVM融合模型运用到碳排放交易价格预测中，发挥该模型预测精度高的优势。运用ARIMA-SVM模型、ARIMA模型、SVM模型和Db6-SVM模型对湖北碳排放交易价格进行８期 预测。通过４种模型预测值的 MSE值和 MAE值确定预测精度，对比预测精度，探究 ARIMA-SVM模型是否为准确有效的预测模型，实证结果表明：ARIMA-SVM模型的MSE值为0.1770， 是４种模型的最低值；MAE值为0.3387，是４种模型的次低值。可以认为ARIMA-SVM模型的 预测精度最高，是一种有效的且精度高的碳排放价格预测模型，可用于碳排放交易价格预测，可 以为碳排放交易参与企业和各方投资者把握价格波动趋势，增强防范能力提供保障，也可以为 市场监管职能部门防止碳排放交易价格过度波动及时制定有效措施。

文档内容为在MATLAB中实现完整的一套arima模型预测，在excel中准备数据后，可直接运行，程序注释详细，可以直接用于实际使用。

针对现阶段城市道路交通流预测精度不高的局限性，提出了一种基于差分自回归滑动平均( AＲIMA) 和小波神经.网络( WNN) 组合模型的预测方法来进行交通流预测。利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网.络模型强大的非线性关系映射能力，把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分。采用差.分自回归滑动平均模型预测交通流序列的线性部分，用小波神经网络模型预测其非线性残差部分，最终合成为整个交通.流序列的预测结果。计算机仿真结果表明: 组合模型的预测精度高于AＲIMA 模型和WNN 模型各自单独使用时的预测精.度，组合模型可以提高交通流预测精度，是交通流预测的有效方法。

基于Matlab实现的ARIMA电力负荷预测实验 ，代码+EUINITE比赛数据集1997-1999。

GRU-ARIMA时间序列预测 GRU和ARIMA模型用于时间序列预测，其中GRU可用于短期和长期预测。使用GRU和ARIMA模型进行时间序列预测，其中GRU可以进行短期预测和长期预测。

介绍了ARIMA模型的算法，实现的一些细节，英文版的。大部分都是数学公式，需要有一定的数学基础才能看明白，我自己看了很久，也搞得不是很明白。我感觉其中有些漏洞，貌似不正确但也说不清出，如果有谁能看懂希望可以交流一下email：liangjianyong1009@163.com

为对矿井涌水量进行准确预测,以矿井涌水量历史时序数据为基础,提出一种综合自回归移动平均模型.建模时首先需要对涌水量时间序列进行平稳化处理,根据拖尾、截尾情况及BIC数值初步确定一个模型,进行参数估计、假设检验,并作出必要调整,反复循环,直至获得较为满意的ARIMA模型.以东欢坨矿1991年1月到2014年4月月度涌水量进行实验分析,最终建立了ARIMA(1,1,1)预测模型,利用该模型进行预测,最大误差为2.1829%,最小误差仅为0.2885%,模型精度较高,能够很好地满足实际工程需要.研究结果表明:ARIMA模型对矿井涌水量短期预测是可行的.

基于keras的ARIMA-LSTM混合模型

ARIMA模型-matlab代码，可以根据自己的实际情况进行参数调节，实现所需要的效果。 ARIMA模型-matlab代码，可以根据自己的实际情况进行参数调节，实现所需要的效果。