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。