乔治娜·玛丽亚·蒂农基 选择最佳自回归综合移动平均模型预测印尼水稻产量。 （英文） Zbl 1422.62294号 高级应用程序。斯达。 52，第4期，251-265（2018）. 摘要：本研究的目的是确定印尼水稻产量预测的最佳自回归综合移动平均（ARIMA）模型。大米作物是印尼最重要的农业商品，因为大米是印尼人的主食。因此，预测水稻产量的能力至关重要。我们使用自回归综合移动平均（ARIMA）模型预测印尼的水稻产量。所分析的数据是印尼1993年至2012年的水稻生产数据。2013年至2015年的数据用于验证预测结果。结果表明，ARIMA模型（2，2，0）是印尼水稻产量预测的最佳模型。 MSC公司： 62M20型 随机过程推断和预测 62第20页 统计学在经济学中的应用 62米10 统计学中的时间序列、自相关、回归等（GARCH） 62页第12页 统计在环境和相关主题中的应用 关键词：农业;ARIMA模型;水稻生产;时间序列模型 软件：TSA（交通安全管理局） PDF格式BibTeX公司 XML格式引用 \textit{G.M.Tinungki}，高级应用程序。Stat.52，No.4，251--265（2018；Zbl 1422.62294） 全文： 内政部 参考文献： [1] Aswi和Sukarna，Analisis Deret Waktu，PenerbitAndira，Makasar，2006年。 [2] R.Bharathi、Y.N.Havaldhar、S.N.Megeri和G.M.Patil，《拉姆纳加和西德拉加塔市场到货量和价格预测》，印度农业统计学会。63(3) (2009), 247-257. [3] G.Bolton，《博弈论在角色扮演中的作用》，《国际预测杂志》。18 (2002), 353-358. [4] M.A.Hamjah，《孟加拉国水稻产量预测：BoxJenkins ARIMA模型的应用》，《数学理论与建模》4（4）（2014），第1-11页。 [5] Jonathan D.Cryer和Kung-Sik Chan，《R中应用的时间序列分析》，第二版，施普林格出版社，2008年·Zbl 1137.62366号 [6] M.D.H.Gamal，使用Winter指数平滑和自回归移动平均模型预测水稻库存，国际。《工程研究技术杂志》4（9）（2015）。 [7] Nasiru Suleman和Solomon Sarpong，使用Box-Jenkins方法预测加纳的碾米产量，国际。J.农业管理与发展（2011）。 [8] R.K.Paul和M.K.Das，《印度内陆鱼类生产的统计建模》，印度内陆渔业协会杂志42（2）（2010），1-7。 [9] Prajneshu，S.Ravichandran和Savita，描述周期波动的结构时间序列模型，J.Indian Soc.Agricultural Statist。55(1) (2002), 70-78. ·Zbl 1188.62366号 [10] Subagyo，Pangestu，《Konsepdan Aplikasi预测》，日惹：BPFE，1986年。 [11] W.W.S.Wei，时间序列单变量和多变量方法，Addison-Wesley出版公司，1994年。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。