81
?§8.1 季节性时间序列的重要特征
82
?§8.2 季节性时间序列模型
?§8.3 季节性检验
?§8.4 季节性时间序列模型的建立
所谓
是指具有某种周期性变化季节性时间序列，是指具有某种周期性变化规律的随机序列，并且这种周期性的变化规律往往是由于季节变化引起
由于季节变化引起。如果一个随机序列经过个时间间隔后观测数据呈现相似性比如同处于波峰或波谷则我们称该序S 呈现相似性，比如同处于波峰或波谷，则我们称该序列具有以为周期的周期特征，并称其为季节性时S 间序列，为季节长度。S
季节性时间序列存在着规则的周期如果我们把季节性时间序列存在着规则的周期，如果我们把原序列按周期重新排列，即可得到一个所谓的二维表。
对于季节性时间序列按周期进行重新排列是极其有益的不仅有助于考察同周期点的变化情况加有益的，不仅有助于考察同一周期点的变化情况、加深对序列周期性的理解，而且对于形成建模思想和理解季节模型的结构也都是很有帮助的。
影响一个季节性时间序列的因素除了季节因素外?
影响一个季节性时间序列的因素除了季节因素外，往往还存在趋势变动和随机变动等。t t t t
X S T I =++?研究季节性时间序列的目的，就是分解影响经济指标变动的季节因素、趋势因素和随机因素，从而了解它们对经济的影响。
?1. 简单季节模型
?
2. 乘积季节模型
季节性时间序列表现出
也就是说时间 同期相关性，也就是说时间相隔为的两个时间点上的随机变量有较强的相关性。
比如对于月度数据S 12比如，对于月度数据
则与相关性较强。我们可以利用这种同期相关性在与之12,S =t X 12t X -t X 12t X -间进行拟合。
简单季节模型通过简单的趋势差分季节差分之
通过简单的趋势差分、季节差分之后序列即可转化为平稳，它的模型结构通常表示如下：()(1)(),(*)
S S D S
t t
B B X B a
Φ-=Θ
SAR算子
其中为白噪声序列,
{}
t
a
2
()1,
S S S pS
B B B B
Φ=-Φ-Φ--Φ
12
2
12
()1.
p
S S S qS
q
B B B B
Θ=-Θ-Θ--Θ
SMA算子称（*）为简单季节模型，或季节性自回归求和移动
SARIMA p D q
平均模型，简记为模型。
(,,)
S
S
注：若引入季节差分算子
11,
S
S B ?=-22(1),
S S B ?=-D
则（*）可等价写成(1),
S D S B ?=-()().(**)S D
S S t t B X B a Φ?=Θ
*
**
简单季节模型（）或（）的形成过程：
第步令平稳
D
?第一步：令平稳；第步对模型即
(1),{}S D t S t t t W X B X W ==-第二步：对在季节间建立ARMA 模型，即{}t W S S 为白噪声序列。()(),
t t B W B a Φ=Θa 其中为白噪声序列
第三步：结合第一、二两步，可得模型（*）。{}t
（*
**模型中
我们)）或（）的模型中，我们假定为白噪声序列。但实际中未必为白噪声序列因为（(,,S SARIMA p D q {}t a {}t a 声序列，因为（
*）或（**）的模型中季节差分仅仅消除了时间序列的季节成分，自回归或移动平均部分仅仅消除了不同时期相同周期点之间的相关性而时仅仅消除了不同时期相同周期点之间的相关性，而时间序列还可能存在长期趋势，相同周期的不同周期点之间也可能有一定的相关性，从而（*）或（**）的模型可能存在着一定的拟合不足。
?(,)(,)S n m p q n d m D q ????模型乘积季节模型模型(,,)(,,)S p ??
一
) 一、模型基本结构为
(,)(,S n m p q ?()()()(),(***)S S t t B B X B B a ?θΦ=ΘSAR 算子
其中212()1,
S S S pS B B B B Φ=-Φ-Φ--Φ S 212()1,p S S S qS q B B B B Θ=-Θ-Θ--Θ SMA 算子
2122()1,
n
n m B B B B ????=-------- AR 算子12()1.m B B B B θθθθ=MA 算子
模型（***
)
）的形成过程：
第一步：考察季节之间的子序列
(,)(,
S
n m p q
?
近似看成零均值平稳序列建立()
000
,,,,,
t t S t kS
X X X
++
近似看成零均值平稳序列，建立ARMA(p,q)模型
S S
其中序列在间隔为S的时间点上对应的子序列为
()(),
t t
B X B e
Φ=Θ
{}
t
e
白噪声序列，而在间隔小于S的时间点上可能是相关
0||
的，即0,|,
()0,()
0,||.
kS i j
i j kS
E e E e e
i j S
=-=
?
=?
≠-<
?
第二步仍为平稳序列
故需对其建立：但序列仍为平稳序列，故需对其建立ARMA(n,m)模型
{}t e 其中在季节内外都是白噪声序列
()(),
t t B e B a ?θ=在季节内外都是白噪声序列。第三步：结合第一、二两步，可得模型（***）。{}t a 注：（***）模型又称纯季节模型注模型又称季节模型，适用于有季节性但无趋势性的序列。
二
) 二、模型基本结构为
(,,)(,,S n d m p D q ?()()()(),(****)
S d D
S S t t B B X B B a ?θΦ??=Θ其中
(1),
d d B ?=-差分算子
(1).D
S D S B ?=-季节差分算季节差分算子
模型的形成过程：
)
第一步：考察季节之间的子序列
(,,)(,,
S
n d m p D q
?
它不是平稳序列，建立季节间的趋势模型
000
,,,,,
t t S t kS
X X X
++
()().
S D S
S t t
B X B e
Φ?=Θ
第二步：由于非平稳，对其建立趋势模型
{}
t
e
d
其中
()(),
t t
B e B a
?θ
?=
a在季节内外都是白噪声序列。
第三步：结合第一、二两步，可得模型（****）。
{}
t
注**** ：（1）（）模型适用于即有季节性又有趋势性的序列。
（2）如果将（****）模型的AR 算子和MA 算子分别展开，可以得到类似ARMA(pS+n,qS+m)模型，不同的是模型的系数在某些阶为零故有时称乘积季节同的是模型的系数在某些阶为零，故有时称乘积季节模型为高阶疏系数模型。
青海民族大学 毕业论文 论文题目：时间序列分析方法及应用—以青海省GDP 增长为例研究 学生姓名：学号： 指导教师：职称： 院系：数学与统计学院 专业班级：统计学 二○一五年月日
时间序列分析方法及应用——以青海省GDP增长为例研究 摘要: 人们的一切活动，其根本目的无不在于认识和改造世界，让自己的生活过得更理想。时间序列是指同一空间、不同时间点上某一现象的相同统计指标的不同数值，按时间先后顺序形成的一组动态序列。时间序列分析则是指通过时间序列的历史数据，揭示现象随时间变化的规律，并基于这种规律，对未来此现象做较为有效的延伸及预测。时间序列分析不仅可以从数量上揭示某一现象的发展变化规律或从动态的角度刻画某一现象与其他现象之间的内在数量关系及其变化规律性，达到认识客观世界的目的。而且运用时间序列模型还可以预测和控制现象的未来行为，由于时间序列数据之间的相关关系（即历史数据对未来的发展有一定的影响），修正或重新设计系统以达到利用和改造客观的目的。从统计学的内容来看，统计所研究和处理的是一批有“实际背景”的数据，尽管数据的背景和类型各不相同，但从数据的形成来看，无非是横截面数据和纵截面数据两类。本论文主要研究纵截面数据，它反映的是现象以及现象之间的关系发展变化规律性。在取得一组观测数据之后，首先要判断它的平稳性，通过平稳性检验，可以把时间序列分为平稳序列和非平稳序列两大类。主要采用的统计方法是时间序列分析，主要运用的数学软件为Eviews软件。大学四年在青海省上学，基于此，对青海省的GDP十分关注。本论文关于对1978年到2014年以来的中国的青海省GDP（总共37个数据）进行时间序列分析，并且对未来的三年中国的青海省GDP进行较为有效的预测。希望对青海省的发展有所贡献。 关键词: 青海省GDP 时间序列白噪声预测
边坡稳定性评价方法概述 （辽宁工程技术大学土木与交通学院辽宁阜新123000 作者：张媛）对边坡稳定性评价方法进行了综述,有：极限平衡法、有限元法、离散单元 法、快速拉格朗日分析法、DDA法、流行元法、块体理论法、可靠度方法、模 糊综合评价法、灰色系统评价法、聚类分析法、神经网络、遗传算法和专家系统。在概要地叙述了各个方法的理论基础上，对各个方法的优缺点进行了叙述，指出了各自的适合条件以及目前的应用状况。其中极限平衡法、块体理论法很多时候 与实际情况不相符合，快速拉格朗日法具有随意性，DDA法在数学收敛上的实 现有一定的难度，有限元法需要定义合适的系数，模糊综合评价法和聚类分析法不能全面、最优，专家系统对于知识的获取具有一定的难度，综合各个方法，其中的离散单元法、流行元法、神经网络、遗传算法的适用性较好。 关键词：边坡稳定性；研究进展；评价方法 Prospect Methods of the Research on Slope Stability Zhang Yuan （ liaoning Technical University Civil Engineering and Transportation Department, Liaoning Fuxin 123000 ） Abstract: The paper reviews the prospect methods of the research on slope stability. There are Limit Equilibrium Method， Finite Element Method, Distinct Element Method, Fast Lagrangion Analysis of Method, Discontinuous Deformation Analysis, Manifold Element Method, Block Theory, Reliability Method, Comprehensive Fuzzy Evaluation, Grey system Evaluation, Clustering Analysis Method, Neural Network, Genetic Algorithm, Expert System. On the base of the theory summary about every method, the paper relate the advantages and disadvantages of these methods,points their suiting conditions and using state. In the outline, Limit Equilibrium Method and Block Theory cannot agree with the fact at the most time. Fast Lagrangion Analysis of Method is at its ease, There is a difficulty of math converge about Discontinuous Deformation Analysis, Finite Element Method needs to definite suitable coefficient, Comprehensive Fuzzy Evaluation and Clustering Analysis Method cannot give a overall result, or often it is not the best, Expert System has a
作业条件危险性分析和预先危险性分析方法简介 1、预先危险性分析 1.1 方法简介 预先危险性分析法（Preliminary Hazard Analysis，PHA）又称初步危险分析。主要用于对危险物质和装置的主要工艺区域等进行分析。它常被用于评价项目、装置等开发初期阶段的物料、装置、工艺过程以及能量失控时可能出现的危险性类别、条件及可能造成的后果，作宏观的概略分析，其目的是辨识系统中潜在的危险有害因素，确定其危险等级，防止这些危险有害因素失控导致事故的发生。 1.2 预先危险性分析主要作用 1）大体识别与系统有关的主要危险有害因素； 2）分析、判断危险有害因素导致事故发生的原因； 3）评价事故发生对人员及系统产生的影响，事故可能造成的人员伤害和系统破坏、物质损失情况； 4）确定已识别危险有害因素的危险性等级； 5）提出消除或控制危险有害因素的对策措施。 1.3 预先危险性分析步骤 1）对系统的产生目的、操作条件和周围环境进行调研； 2）搜集同类生产过程中发生过的事故，查找能够造成故障、物质损失和人员伤害的危险性； 3）根据经验、技术诊断等方法确定危险源； 4）识别危险形成条件，研究危险因素转变成事故的触发条件； 5）进行危险性分级，确定其危险程度，找出重点控制的危险源； 6）制定危险防范措施。 1.4 预先危险性危险等级 在分析系统危险性时，为了衡量危险性的大小及其对系统的破坏程度，将各类危险性划分为四个等级，见下表。 危险性等级划分表 2、作业条件危险性分析 2.1 简介 作业条件危险性评价法（格雷厄姆——金尼法）是作业人员在具有潜在危险性环境中进行作业时的一
种危险性半定量评价方法。它是由美国人格雷厄姆（K.J.Graham ）和金尼（G.F.Kinney ）提出的，他们认为影响作业条件危险性的因素有三个： 1）发生事故或危险事件的可能性（L ）； 2）人员暴露于危险环境的频繁程度（E ）； 3）事故一旦发生可能产生的后果（C ）。 用这三个因素分值的乘积 D ＝L ×E ×C 来评价作业条件的危险性，D 值越大，作业条件的危险性越大。 式中，D 为作业条件的危险性；L 为事故或危险事件发生的可能性；E 为暴露于危险环境的频率；C 为发生事故或危险事件的可能结果。 2.2 取值与计算方法 1）发生事故或危险事件的可能性 事故或危险事件发生的可能性与其实际发生的概率相关。在实际生产条件中，事故或危险事件发生的可能性范围非常广泛，将事故或危险事件发生可能性的分值从实际上不可能的事件为0.1，经过完全意外有极少可能的分值1，确定到完全会被预料到的分值10为止（表2.2－1）。 表2.2－1 事故发生的可能性分值（L ） 2） 暴露于危险环境的频率 作业人员暴露于危险作业条件的次数越多、时间越长，则受到伤害的可能性也就越大。为此，K ·J ·格雷厄姆和G ·F ·金尼规定了连续出现在潜在危险环境的暴露频率分值为10，一年仅出现几次非常稀少的暴露频率分值为1。暴露于潜在危险环境的分值见表 2.2－2。 表2.2－2 暴露于危险环境的频繁程度分值（E ） 3） 发生事故或危险事件的可能结果 造成事故或危险事故的人身伤害或物质损失可在很大范围内变化，以工伤事故而言，可以从轻微伤害到许多人死亡，其范围非常宽广。因此，K ·J ·格雷厄姆和G ·F ·金尼需要救护的轻微伤害的可能结果， 它值规定为1，以此为一个基准点；而将造成许多人死亡的可能结果规定为分值100，作为另一个参考点。在两个参考点1～100之间，插入相应的中间值，列出表2.2－3 所示的可能结果的分值。 表2.2－3 事故造成的后果分值（C ）
边坡稳定性分析方法及其适用条件 摘要：边坡是一种自然地质体，在外力的作用下，边坡将沿其裂隙等一些不稳定结构面产生滑移，当土体内部某一面上的滑动力超过土体抗滑动的能力，将导致边坡的失稳。边坡稳定性分析是岩土工程的一个重要研究内容，并已经形成一个应用研究课题，本文对目前边坡稳定性分析中所采用的各种方法进行了归纳，并阐述了其适用条件。 关键词：边坡稳定性分析方法适用条件 正文： 一、工程地质类比法 工程地质类比法，又称工程地质比拟法，属于定性分析，其内容有历史分析法、因素类比法、类型比较法和边坡评比法等。该方法主要通过工程地质勘察，首先对工程地质条件进行分析，如对有关地层岩性、地质构造、地形地貌等因素进行综合调查和分类，对已有的边坡破坏现象进行广泛的调查研究，了解其成因、影响因素和发展规律等；并分析研究工程地质因素的相似性和差异性；然后结合所要研究的边坡进行对比，得出稳定性分析和评价。其优点是综合考虑各种影响边坡稳定的因素，迅速地对边坡稳定性及其发展趋势作出估计和预测；缺点是类比条件因地而异，经验性强，没有数量界限。 适用条件：在地质条件复杂地区，勘测工作初期缺乏资料时，都常使用工程地质类比法，对边坡稳定性进行分区并作出相应的定性评价，因此，需要有丰富实践经验的地质工作者，才能掌握好这种方法。
二、极限分析法 应用理想塑性体或刚塑性体处于极限状态的极小值原理和极大 值原理来求解理想塑性体的极限荷载的一种分析方法。它在土坡稳定分析时，假定土体为刚塑性体，且不必了解变形的全过程，当土体应力小于屈服应力时，它不产生变形，但达到屈服应力，即使应力不变，土体将产生无限制的变形，造成土坡失稳而发生破坏。其最大优点是考虑了材料应力—应变关系，以极限状态时自重和外荷载所做的功等于滑裂面上阻力所消耗的功为条件，结合塑性极限分析的上、下限定理求得边坡极限荷载与安全系数。 三、极限平衡法 该法将滑体作为刚体分析其沿滑动面的平衡状态,计算简单。但由于边坡体的复杂性,计算时模型的建立与参数的选取不可避免地使计算结果与实际结果不吻合。常用的方法有如下几种。 1瑞典条分法。基本假定:A边坡稳定为平面应变问题;B滑动面为圆弧;C计算圆弧面安全系数时,将条块重量向滑面法向分解来求法向力。该方法不考虑条间力的作用,仅能满足滑动体的力矩平衡条件,产生的误差使安全系数偏低。 优缺点：在不能给出应力作用下的结构图像的情况下，仍能对结构的稳定性给出较精确的结论，分析失稳边坡反算的强度参数与室内试验吻合度较好，使分析程序更加可信;但需要先知道滑动面的大致位置和形状，对于均质土坡可以通过搜索迭代确定其危险滑动面，但是对于岩质边坡，由于其结构和构造比较复杂，难以准确确定其滑动
第七章危险性分析方法 对于现代化的化工生产装置须实行现代化安全管理，也就是从系统的观念出发，运用科学分析方法识别、评价、控制危险，使系统达到最佳安全。 应用系统工程的原理和方法预先找出影响系统正常运行的各种事件出现的条件，可能导致的后果，并制定消除和控制这些事件的对策，以达到预防事故、实现系统安全的目的。 辨别危险、分析事故及影响后果的过程就是危险性分析。 危险性分析有定性分析和定量分析两种类型： 定性分析 找出系统存在的危险因素，分析危险在什么情况下能发生事故及对系统安全影响的大小，提出针对性的安全措施控制危险。 它不考虑各种危险因素发生的数量多少。(本章主要介绍定性危险分析方法) 定量分析 在定性分析的基础上，进一步研究事故或故障与其影响因素之间的数量关系，以数量大小评定系统的安全可靠性。定量危险性分析也就是对系统进行安全性评价。(在第八章进行讨论) 7.1 安全检查表 7.1.1 概述 安全检查表(SCL，Safety Check List)是进行安全检查和诊断的清单。 在编制安全检查表时，通常是把检查对象作为系统，将系统分割成若干个子系统， 按子系统制定。 安全检查表是最早开发的一种系统危险性分析方法，也是最基础、最简便的识别危险的方法。该法应用最多且广泛。 在我国目前安全检查表不仅用于定性危险性分析，有的还对检查项目给予量化，用于系统的安全评价。 安全检查表的优点： 1.安全检查是进行安全管理的重要手段，安全检查表是由各种专业人员事先经过充分的分析和讨论,集中了大家的智慧和经验而编制出来的，按照安全检查表进行检查就会避 免传统安全检查时的一些弊端，能全面找出生产装置的危险因素和薄弱环节； 2.它简明易懂，易于掌握，实施方便； 3.应用范围广,项目的设计、施工、验收,机械设备的设计、制造,运行装置的日常操作、作业环境、运行状态及组织管理等各个方面都可应用； 4.编制安全检查表的依据之一是有关安全的规程、规范和标准。 安全检查表还可对系统进行安全性评价。 7.1.2 安全检查表编制的步骤和依据 1、编制的步骤： 先组成一个由工艺、设备、操作及管理人员的编制小组，并大致按以下几步开展工作： (1)熟悉系统：详细了解系统的结构、功能、工艺流程、操作条件、布置和已有的安 全卫生设施等。 (2)搜集有关安全的法规、标准和制度及同类系统的事故资料，作为编制安全检查表 的依据。 (3)按功能或结构将系统划分成若干个子系统或单元，逐个分析潜在的危险因素。 (4)确定安全检查表的检查内容和要点，并按照一定的格式列成表。 2、编制的依据：
第10卷 第10期 中 国 水 运 Vol.10 No.10 2010年 10月 China Water Transport October 2010 收稿日期：2010-06-11 作者简介：马玉岩（1987-），男，黑龙江绥化人，武汉大学水资源与水电工程科学国家重点实验室水利水电工程施工与 管理专业硕士研究生，主要研究方向为岩土边坡工程研究以及结构设计。 两种边坡稳定性分析方法比较研究 马玉岩 （武汉大学 水资源与水电工程科学国家重点实验室，湖北 武汉 430072） 摘 要：以某水电工程岩质高边坡做为实例，将强度折减理论与FLAC3D 软件相结合，通过有限差分程序FLAC3D 软件来模拟分析其稳定性。并与极限平衡方法的分析结果对比，探索两种方法的差异性与结果的可靠性，为确定适合工程建设实际的岩质边坡稳定分析方法提出了有益的参考。 关键词：强度折减法；极限平衡法；边坡稳定性 中图分类号：P642.1 文献标识码：A 文章编号：1006-7973（2010）10-0197-03 一、引言 目前，国内在建和待建的大型水电工程大多坐落在西南、西北高山峡谷地区。我国的水电建设面临着一系列高边坡稳定问题。在现代岩土工程和科学技术的新成就的支持下，确定适合工程建设实际的岩质边坡稳定分析方法，是摆在水利水电工程技术人员面前的任务[1]。 目前工程实践中岩质边坡稳定性定量分析主要有三种方法：解析法（最常用的是极限平衡法）、数值方法和概率法。极限平衡法是最常用的解析法，它是在边坡滑动面确定的情况下，根据滑裂面上抗滑力和滑动力比值直接计算安全系数，此外，关键块理论也属于这样的确定性分析方法。数值方法则是借助计算机进行数值分析（例如有限元、快速拉格朗日分析法、离散元、块体元和DDA 等）从而确定边坡的位移场和应力场，再用超载法、强度折减法等使边坡处于极限状态，从而间接得到安全系数。这种方法同时可以考虑位移协调条件和岩体本构关系等。概率法是将概率统计理论被引用到边坡岩体的稳定性分析中来，它通过现场调查，以获得影响边坡稳性影响因素的多个样本，然后进行统计分析，求出它们各自的概率分布及其特征参数，再利用某种可靠性分析方法，来求解边坡岩体的破坏概率即可靠度[2]。 文中选用某水电工程岩质高边坡做为实例，采用强度折减法和极限平衡法对岩质高边坡的稳定性进行对比分析。 二、边坡工程地质条件 模型宽约为700m，高约为700m。 基岩以中粒结构的灰白色、微红色黑云二长花岗岩为主，并有辉绿岩脉（β）、花岗细晶岩脉、闪长岩脉等各类脉岩穿插发育于花岗岩中，尤以辉绿岩脉分布较多。建模过程中考虑了岩体中对边坡稳定影响较大的几个岩脉。 根据岩体风化特点，岸坡岩体由表向内可划分为全风化带、强风化带、弱风化带、微风化—新鲜岩体。岩体风化的水平、垂直分带性明显。 边坡内无地下水分布。 边坡剖面如图1 所示。 图1 边坡剖面 三、强度折减法 强度折减系数法的基本原理是将坡体强度参数凝聚力c 和内摩擦角f 值同时除以一个安全系数K，得到一组新的c k 、f k 值，然后作为新的资料参数输入，再进行试算，当计算不收敛时，对应的K 被称为坡体的最小稳定安全系数，此时坡体达到极限状态，发生剪切破坏，同时可得到坡体的破坏滑动面。 FLAC3D （Three Dimensional Fast Lagrangian Analysis of Continua）是美国Itasca Consulting Goup lnc 开发的三维快速拉格朗日分析程序。该程序能较好地模拟地质材料在达到强度极限或屈服极限时发生的破坏的力学行为，特别适用于分析渐进破坏和失稳。 文中利用FLAC3D，采用“二分法”[3]实现强度折减法，求解安全系数。 所建计算模型节点为29,646个，单元为24,005个。模型的边界条件：模型四周法向约束，底部固定约束，顶部自由，仅受重力作用。 研究表明，随着剪胀角的增大，安全系数也逐渐增大[4]。不过，Vermeer 和de Borst（1984年）研究证明，一般土体、岩石和混凝土的剪胀角要比它们的摩擦角小得多，且通常在0°～20°内变化[5]。因此，剪胀角对强度折减法计算
第七章季节性时间序列分析方法 由于季节性时间序列在经济生活中大量存在，故将季节时间序列从非平稳序列中抽出来，单独作为一章加以研究，具有较强的现实意义。本章共分四节：简单随机时间序列模型、乘积季节模型、季节型时间序列模型的建立、季节调整方法X-11程序。 本章的学习重点是季节模型的一般形式和建模。 §1 简单随机时序模型 在许多实际问题中，经济时间序列的变化包含很多明显的周期性规律。比如：建筑施工在冬季的月份当中将减少，旅游人数将在夏季达到高峰，等等，这种规律是由于季节性（seasonality）变化或周期性变化所引起的。对于这各时间数列我们可以说，变量同它上一年同一月（季度，周等）的值的关系可能比它同前一月的值的相关更密切。 一、季节性时间序列 1．含义：在一个序列中，若经过S个时间间隔后呈现出相似性，我们说该序列具有以S为周期的周期性特性。具有周期特性的序列就称为季节性时间序列，这里S为周期长度。 注：①在经济领域中，季节性的数据几乎无处不在，在许多场合，我们往往可以从直观的背景及物理变化规律得知季节性的周期，如季度数据（周期为4）、月度数据（周期为12）、周数据（周期为7）；②有的时间序列也可能包含长度不同的若干种周期，如客运量数据（S=12，S=7）2．处理办法： （1）建立组合模型； （1）将原序列分解成S个子序列（Buys-Ballot 1847） 对于这样每一个子序列都可以给它拟合ARIMA模型，同时认为各个序列之间是相互独立的。但是
这种做法不可取，原因有二：（1）S 个子序列事实上并不相互独立，硬性划分这样的子序列不能反映序列{}t x 的总体特征；（2）子序列的划分要求原序列的样本足够大。 启发意义：如果把每一时刻的观察值与上年同期相应的观察值相减，是否能将原序列的周期性变化消除？（或实现平稳化），在经济上，就是考查与前期相比的净增值，用数学语言来描述就是定义季节差分算子。 定义：季节差分可以表示为S t t t S t S t X X X B X W --=-=?=)1(。 二、 随机季节模型 1．含义：随机季节模型，是对季节性随机序列中不同周期的同一周期点之间的相关关系的一种拟合。 AR （1）：t t S t S t t e W B e W W =-?+=-)1(11??，可以还原为：t t S S e X B =?-)1(1?。 MA （1）：t S t S t t t e B W e e W )1(11θθ-=?-=-，可以还原为：t S t S e B X )1(1θ-=?。 2．形式：广而言之，季节型模型的ARMA 表达形式为 t S t S e B V W B U )()(= （1） 这里，?? ? ??----=----=?=qS q S S S pS P S S S t d S t B V B V B V B V B U B U B U B U X W ΛΛ2212211)(1)()(平稳。 注：（1）残差t e 的内容；（2）残差t e 的性质。 §2 乘积季节模型 一、 乘积季节模型的一般形式 由于t e 不独立，不妨设),,(~m d n ARIMA e t ，则有 t t d a B e B )()(Θ=?φ （2） 式中，t a 为白噪声；n n B B B B ???φ----=Λ22111)(；m m B B B B θθθ----=ΘΛ22111)(。 在（1）式两端同乘d B ?)(φ，可得： t S t d S t D S d S t d S a B B V e B B V X B U B W B U B )()()()()()()()(Θ=?=??=?φφφ （3） 注：（1）这里t D S S X B U ?)(表示不同周期的同一周期点上的相关关系；t d X B ?)(φ则表示同一周期内不同周期点上的相关关系。二者的结合就能同时刻划两个因素的作用，仿佛是显像管中的电子扫
版 本 号：0.1 页 码：1/3 发布日期：2009-12-09 实验室程序 编 写： 批 准： 签 发： 文件编号：SHLX\LAB\L2-008 题 目：热稳定性测量方法 1.0 目的 提供了产品热稳定性的测量方法。 2.0 概述 （1）原理 Na 2SO 3 方 法 ： 用 1N 的 Na 2SO 3 溶 液 吸 收 样 品 粒 子 中 释 放 的 甲 醛 ， 生 成HOCH 2SO 3Na 和 NaOH 。 CH 2O ＋Na 2SO 3＋H 2O →HOCH 2SO 3Na ＋NaOH （2）本测量方法是利用聚甲醛树脂在高温熔融，产生甲醛气体，随氮气带出，被亚 硫酸钠溶液吸收，由滴定反应生成的氢氧化钠，得出甲醛含量。 3.0 仪器和试剂 【仪器】 （1） 油浴（容量约为 130L ，并配有样品熔融管） （2） 加热器 （3） 过热保护装置 （4） 搅拌器 （5） 自动滴定装置 （6） 数据处理计算机 【试剂】 （1） 0.005mol/l 硫酸 （2） 福尔马林(36.0～38.0%) （3） 亚硫酸钠(Na 2SO 3) （4） 缓冲液(pH 6.86) （5） 缓冲液(pH 9.18) （6） 0.1mol/l NaOH 4.0 定义 甲醛含量通过以下方式表示： （1）K 0 ：表示从 2 分钟到 10 分钟之间，聚合物中溶解的甲醛，不稳定端基和聚合 物主链分解出来的甲醛量。转化为每分钟的甲醛含量。 （2）K 1 ：表示从 10 分钟到 30 分钟之间，聚合物中剩余的溶解甲醛，不稳定端基
文件编号：SHLX\LAB\L2-008 和聚合物主链分解出来的甲醛量。转化为每分钟的甲醛含量。 （3）K2：表示从50 分钟到90 分钟之间，聚合物不稳定端基和聚合物主链分解出来的甲醛量。转化为每分钟的甲醛含量。 5.0安全注意事项 （1）搁置和取出样品过程中，要穿戴安全手套，以防被烫伤。 （2）电极容易损坏，使用时防止碰撞。 （3）作业时，穿戴安全眼镜和防护手套。 （4）实验过程中使用氮气作为载气，所以要控制好氮气流量，并确保良好的通风。6.0步骤 6.1准备 (1) 确认油浴温度223±2℃，硫酸溶液的量。 (2) 打开参比液添加孔，检查电极内饱和KCL 的量，确保液位超过甘汞位置。 (3) 打开自动电位滴定仪、打印机及电脑电源。 (4) 打开电脑桌面上AT-WIN，输入密码并确认与自动电位滴定仪联机。 (5) 调整氮气流量到60 l/h。 (6) 分别用pH 为6.86（25℃）、9.18（25℃）的缓冲液，对电极进行校正（根据 电脑提示进行），若显示“OK”，则校正通过，否则进行检查并重复校正步 骤。 (7) 对自动电位滴定仪进行排气，确保滴定管路中无气泡。 (8) 用250ml 的烧杯，取150ml 吸收液（1mol/L 亚硫酸钠溶液，它的配制方法： 将250g 的Na 2SO3溶于2000ml 的水中，充分搅拌。），放入磁性搅拌子、加 盖、并将电极、Ｎ２管、喷嘴插入溶液中，启动搅拌按钮。 (9) 用硫酸溶液（0.1N）将溶液pH 调节至9.10，待稳定后，用0.1mol/l 甲醛溶 液（配制方法：将81g 的福尔马林放入1L 的容量瓶中，然后加水到刻度线， 配成约0.1mol/l 福尔马林），调节pH 至9.21～9.22，并稳定10 分钟以上。 (10) 电极浸泡液的配制方法：PH=4 的缓冲试剂250ml 一包溶于250ml 水中， 再加入56gKCL，适当加热，搅拌至完全溶解。 6.2步骤 (1) 用铝皿取3.000±0.003g，将其放到小金属底部，然后用钩子，将准备好的 样品放入油浴的熔融管中。 (2) 盖紧硅胶塞，快速按下START，开始试验，试验过程控制pH 值为9.20。 (3) 当实验进行到设定的时间后，自动结束。（按“RESET”键，可手动停止实 验。）测定结束，打印机自动打印结果。 (4) 取出金属筒冷却，取出电极，并将电极放入浸泡液中。
我国民航客货运输的季节性分析 受气候条件、突发事件、工农业生产生活、居民节假日等风俗习惯以及国民经济发展等因素的周期性影响，我国民航运输业客货运量呈现出季节性波动。 本文选取2003年、2005年以及2012年的我国民航客货运量月度统计作为研究对象，从而总结民航客货运的季节性特征。 一．突发事件 2003年民航客运量统计（万人） 通过上面的数据，我们可以看出由于受SARS的影响，2003年3-6月间我国民航旅客运输量大约损失了1290.1万人次。 2003年~2008年民航客运量统计图
纵观2003年到2008年的客运量统计，我国民航客运量在2003年有一个明显的下降。由此可以看出外界干扰因素（突发事件）对航空运输业的影响。 二．气候条件及节假日等风俗习惯 接下来，我们通过对2005、2012年的客货运量进行分析，可以看出气候条件和节假日等风俗习惯对民航客货运量的影响。 2005年民航客货运量 指标月份客运量（亿人）客运周转量 （亿人公里） 货运量（亿吨）货运周转量 （亿吨公里） 1 0.09 136.13 23.29 5.84 2 0.10 145.40 16.81 4.48 3 0.10 151.4 4 25.89 6.72
2012年民航客货运量 1月3月5月7月9月11月 通过上述表格与图形中的数据可以看出，航空旅客运输在一年之中的淡旺季比较明显。航空公司的大部分客运收入于每年的下半年获取，其中7-10 月4 个月的收入占全年总收
入的40%。从月份来看，1-3 月、12 月为淡季，7-10 月为旺季，4-6 月、11 月为平季。这与气候和节假日等因素密切相关：1-3月为元旦以后，春节之前，居民的出行意愿较低；12月气候寒冷，旅客出行的几率也降低，故客运量较少。7-10月是为期两个月的暑假和国庆小长假，是旅客外出旅行的高峰时期，故客运量激增。2-6月、11月虽气候适宜，但没有什么集中的假期，故客运量不高也不低。季节性的特性使航空公司的客运服务收入及盈利水平随着不同的季节而有所不同。 同旅客运输一样，航空货物运输也在时间上存在一定的波动性，根据所在城市的航空货物属性，航空货物在时间上存在周期性和季节性。但是，不同于航空客运市场的波动规律性，货运市场的波动一般很难找到一个通用的规律，各个地方的货运波动性不一，一般取决于某地土特产的丰收期或某类货物的需求高峰期。与旅客运输不同的是，货物运输的不确定性要小很多，因为一般货物运输都是提前订舱，并提前交付航空公司货仓或机场的货仓进行检验和存储，临时变更的可能性较小。 三．国民经济发展
【时间简“识”】 说明：本文摘自于经管之家(原人大经济论坛) 作者：胖胖小龟宝。原版请到经管之家(原人大经济论坛) 查看。 1.带你看看时间序列的简史 现在前面的话—— 时间序列作为一门统计学，经济学相结合的学科，在我们论坛，特别是五区计量经济学中是热门讨论话题。本月楼主推出新的系列专题——时间简“识”，旨在对时间序列方面进行知识扫盲（扫盲，仅仅扫盲而已……），同时也想借此吸引一些专业人士能够协助讨论和帮助大家解疑答惑。 在统计学的必修课里，时间序列估计是遭吐槽的重点科目了，其理论性强，虽然应用领域十分广泛，但往往在实际操作中会遇到很多“令人发指”的问题。所以本帖就从基础开始，为大家絮叨絮叨那些关于“时间”的故事！ Long long ago，有多long估计大概7000年前吧，古埃及人把尼罗河涨落的情况逐天记录下来，这一记录也就被我们称作所谓的时间序列。记录这个河流涨落有什么意义当时的人们并不是随手一记，而是对这个时间序列进行了长期的观察。结果，他们发现尼罗河的涨落非常有规律。掌握了尼罗河泛滥的规律，这帮助了古埃及对农耕和居所有了规划，使农业迅速发展，从而创建了埃及灿烂的史前文明。
好~~从上面那个故事我们看到了 1、时间序列的定义——按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。 2、时间序列分析的定义——对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。 既然有了序列，那怎么拿来分析呢 时间序列分析方法分为描述性时序分析和统计时序分析。 1、描述性时序分析——通过直观的数据比较或绘图观测，寻找序列中蕴含的发展规律，这种分析方法就称为描述性时序分析 描述性时序分析方法具有操作简单、直观有效的特点，它通常是人们进行统计时序分析的第一步。 2、统计时序分析 （1）频域分析方法 原理：假设任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动 发展过程： 1）早期的频域分析方法借助富里埃分析从频率的角度揭示时间序列的规律 2）后来借助了傅里叶变换，用正弦、余弦项之和来逼近某个函数 3）20世纪60年代，引入最大熵谱估计理论，进入现代谱分析阶段 特点：非常有用的动态数据分析方法，但是由于分析方法复杂，结果抽象，有一定的使用局限性 （2）时域分析方法
季节性时间序列分析方 法 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】
第七章季节性时间序列分析方法 由于季节性时间序列在经济生活中大量存在，故将季节时间序列从非平稳序列中抽出来，单独作为一章加以研究，具有较强的现实意义。本章共分四节：简单随机时间序列模型、乘积季节模型、季节型时间序列模型的建立、季节调整方法X-11程序。 本章的学习重点是季节模型的一般形式和建模。 §1 简单随机时序模型 在许多实际问题中，经济时间序列的变化包含很多明显的周期性规律。比如：建筑施工在冬季的月份当中将减少，旅游人数将在夏季达到高峰，等等，这种规律是由于季节性（seasonality）变化或周期性变化所引起的。对于这各时间数列我们可以说，变量同它上一年同一月（季度，周等）的值的关系可能比它同前一月的值的相关更密切。 一、季节性时间序列 1．含义：在一个序列中，若经过S个时间间隔后呈现出相似性，我们说该序列具有以S为周期的周期性特性。具有周期特性的序列就称为季节性时间序列，这里S为周期长度。 注：①在经济领域中，季节性的数据几乎无处不在，在许多场合，我们往往可以从直观的背景及物理变化规律得知季节性的周期，如季度数据（周期为4）、月度数据（周期为12）、周数据（周期为7）；②有的时间序列也可能包含长度不同的若干种周期，如客运量数据（S=12，S=7） 2．处理办法： （1）建立组合模型； （1）将原序列分解成S个子序列（Buys-Ballot 1847）
对于这样每一个子序列都可以给它拟合ARIMA 模型，同时认为各个序列之间是相互独立的。但是这种做法不可取，原因有二：（1）S 个子序列事实上并不相互独立，硬性划分这样的子序列不能反映序列{}t x 的总体特征；（2）子序列的划分要求原序列的样本足够大。 启发意义：如果把每一时刻的观察值与上年同期相应的观察值相减，是否能将原序列的周期性变化消除（ 或实现平稳化），在经济上，就是考查与前期相比的净增值，用数学语言来描述就是定义季节差分算子。 定义：季节差分可以表示为S t t t S t S t X X X B X W --=-=?=)1(。 二、 随机季节模型 1．含义：随机季节模型，是对季节性随机序列中不同周期的同一周期点之间的相关关系的一种拟合。 AR （1）：t t S t S t t e W B e W W =-?+=-)1(11??，可以还原为：t t S S e X B =?-)1(1?。 MA （1）：t S t S t t t e B W e e W )1(11θθ-=?-=-，可以还原为：t S t S e B X )1(1θ-=?。 2．形式：广而言之，季节型模型的ARMA 表达形式为 t S t S e B V W B U )()(= （1） 这里，?? ? ??----=----=?=qS q S S S pS P S S S t d S t B V B V B V B V B U B U B U B U X W 2212211)(1)()(平稳。 注：（1）残差t e 的内容；（2）残差t e 的性质。 §2 乘积季节模型 一、 乘积季节模型的一般形式 由于t e 不独立，不妨设),,(~m d n ARIMA e t ，则有
第八章危险性分析方法 辨别危险、分析可能发生的事故及其影响后果的过程就是危险性分析。 危险性分析是为防止危险造成事故所采取的手段，其作用是为制定防止事故发生的对策提供依据。 危险性分析需要运用系统工程的原理和方法。危险性分析有定性分析和定量分析两种类型： ①定性分析：找出系统存在的危险因素，分析危险在什么情况下能发生事故，以及对系统安全影响的大小，提出针对性的安全措施控制危险。定性分析不对各种危险因素作定量评价，本章主要介绍定性危险性分析方法。 ②定量分析：在定性分析的基础上，进一步研究事故或故障与其影响因素之间的数量关系，以数量大小评定系统的安全可靠性。在第八章介绍。 危险、危害因素 8.1.1危险因素与危害因素 危险因素是指突发性造成人身伤亡和财产损失的因素。危险因素强调突发性和瞬间作用； 危害因素是指可能造成人身伤害、职业病、财产损失和作业环境破坏的因素。危害因素强调在一定时间范围内的积累作用。 危险因素和危害因素二者有时难以区分，故有时统称为危险因素，更多的是并称为危险、危害因素。 8.1.2危险、危害因素分类 根据GB/T 13816—92《生产过程危险和危害因素分类与代码》的规定，按导致事故和职业危害的直接原因，将生产过程中的危险、危害因素分为6 类： 1、物理性危险、危害因素 （1）设备、设施缺陷如强度不够、刚度不够、运动件外露、制动器缺陷、外形缺陷等。 （2）防护缺陷如无防护、防护不当、防护距离不够、防护设施缺陷等。 （3）电危害 （4）噪声危害 （5）振动危害 （6）电磁辐射 如电离辐射：X 射线、高能电子束等；非电离辐射：激光、紫外线等。 （7）运动物危害如固体抛射物、液体飞溅物、气流冲击、岩土滑动等。 （8）明火 （9）能造成灼伤的高温物质 （10）能造成冻伤的低温物质 （11）粉尘与气溶胶（不包括爆炸性、有毒性粉尘与气溶胶） （12）作用环境不良如采光照明不良、安全过道缺陷、通风不良、气温过高或过低、空气质量差等。 （13）信号缺陷如无信号设施、信号不清、信号失准、信号选用不当等。 （14）标志缺陷如无标志、标志不清、标志不规范、标准位置不当等。 （15）其他物理危险和危害因素 2、化学危险和危害因素
结构动力稳定性的分析方法与进展 何金龙1,法永生2 (1.卓特建筑设计有限公司,广东佛山528322;2.上海大学土木工程系,上海200074) 【摘 要】 就目前结构动力稳定性问题这一研究领域的若干基本问题,常用的处理方法,判别准则与实验研究方法以及目前取得的主要成果作了简要总结和综述,并且对结构动力稳定性分析与研究今后的发展方向进行了展望。 【关键词】 结构; 动力稳定性; 处理方法; 判别准则; 实验研究 【中图分类号】 T U311.2 【文献标识码】 A 根据结构承受荷载形式的不同,可以将结构稳定问题分为静力稳定和动力稳定两大类。动力载荷作用下结构的稳定性问题是一个动态问题,由于时间参数的引入,使问题变得极为复杂。对于结构动力稳定性的定义一直难以确切给出,这是因为结构自身动力特性具有复杂性使得其在数学意义上的定义很难予以准确表达[1]。长期以来,力学工作者致力于结构稳定性问题的研究,在发展了经典稳定性理论的同时也极大地推动了动力稳定理论研究的前进。如稳定性判定准则的建立、临界载荷的确定、初缺陷的影响或后分叉分析等。理论分析和实验研究逐渐增多,使得这门学科不仅在理论上形成了一个庞大而复杂的体系,而且具有重要的实用价值。可以说,现在的结构动力稳定性研究分析已经是结构动力学、有限元法、数值计算方法及程序设计等诸多学科相互交叉、有机结合的产物,属于现代工程结构研究领域中的一个重要分支。 1 结构动力稳定性的分类及主要的研究问题 结构动力稳定性就其承载的动力形式大致可以分为三类。 (1)结构在周期性荷载作用下的动力稳定性。在简谐荷载等周期性荷载作用下,当结构的自振频率与外载荷的强迫振动频率非常接近时,结构将产生强烈的共振现象;当结构的横向固有振动频率与外荷载的扰动频率之间的比值形成某种特定的关系时,结构将产生强烈的横向振动,即参数振动。对于这类问题,前苏联学者符华·鲍络金(Bolito n)在其著作《弹性体系的动力稳定》中给出了较全面的分析和论述。他们导出的区分稳定区和不稳定区的临界状态方程是一个周期性方程,即M athieu-Hill方程。在周期相同的解之间存在着不稳定区域,便把问题归结为确定微分方程具有周期解的条件,从而解决了稳定的判别问题。但是对于大变形的几何非线形结构,结构的刚度矩阵需要经过迭代,微分方程非常复杂,这些理论将难以成立。 (2)结构在冲击荷载作用下的动力稳定性。在这种情况下,结构的动力稳定性与冲击类型密切相关,而且首要问题在于合理、实用的判别准则,它不仅要在逻辑上站得住脚,又要在实际上可行,遗憾的是这个问题至今未能形成一致的看法。目前对结构承受瞬态冲击作用下的冲击稳定性的试验和理论研究主要集中在理想脉冲以及阶跃荷载下的动力稳定性。在脉冲荷载作用下发生的动力屈曲称为脉冲屈曲,已有的研究表明[2][3][4],脉冲屈曲是一类响应式屈曲或者动力发展型屈曲。阶跃荷载是一类具有恒定幅值和无限长持续时间的载荷形式。在试验或者实际当中,固体与固体之间的冲击引起的屈曲就可看作脉冲冲击。 (3)结构在随动荷载作用下的动力稳定性。所谓随动荷载是指随着时间的变化荷载的幅值保持不变而方向发生变化的作用力,它是非保守力。它的分析将极其复杂,目前还难以见到可借鉴的动力稳定性分析文献。因此,许多学者通常采用结构动力学响应分析常用的手段,将这类荷载作为确定性荷载进行分析。通过对结构的动力平衡路径全过程进行跟踪,根据结构的各参数在动力平衡路径中的变化特性,对结构的动力稳定性进行有效的判定[5]。 综上所述,目前国内外动力稳定性研究的现状大致为:对周期荷载下的参数动力稳定性问题、在冲击荷载作用下的冲击动力稳定性问题和阶跃荷载下的参数阶跃动力稳定性问题研究较多,并取得了满意的效果[6][7][8]。恒幅阶跃载荷及矩形脉冲载荷或其它冲击载荷作用下杆的动力稳定问题也有很多研究,并从不同的角度建立了一些稳定性判定准则。但冲击载荷作用下板的动力稳定问题还没有获得广泛和深入的研究。对于较为复杂的冲击荷载作用下结构的动力稳定性问题,目前的研究主要集中于理想脉冲载荷和阶跃载荷作用下结构的动力稳定问题。在这类问题的分析中,最常采用的屈曲准则有B-R准则、Simitses总势能原理和放大函数法。对非周期激振、参数激振和强迫激振耦合引起的动力稳定问题研究较少;对弹性基本构件和简单模型研究较多(如周期激励下的柱子、梁、拱及壳等已得到了成功的分析),对复杂工程结构研究较少。对于在地震、风荷载等任意动力荷载作用下的具有较强的几何非线性的结构的动力稳定性问题,国内外这方面的文献资料虽然最近几年也有一些,但距离真正地合理解决这类动力稳定性问题还有许多工作要做。 [收稿日期]2006-06-12 [作者简介]何金龙(1962～),男,工学学士,一级注册结构工程师,主要从事工业与民用建筑设计工作。 155 ·工程结构· 四川建筑 第27卷2期 2007.04
季节性时间序列分析方法 在经济领域中得到的观测数据一般都具有较强的随时间变化的趋势，如果是季度或月度数据又有明显的季节变化规律。因此研究经济时间序列必须考虑其趋势性和季节性的特点，既要考虑趋势变动，又要考虑季节变动，建立季节模型。 第一节 简单的时间序列模型 一、 季节时间序列 序列是季度数据或月度数据（周，日）表现为周期的波动。 二、随机季节模型 例1 假定t x 是一个时间序列，通过一次季节差分后得到的平稳序列，且遵从一阶自回归季节模型,即有 t s s t t t x B x x w )1(-=-=- 1t t s t w w 或 1(1 )s t t B w 将t w =t s x )B (-1代入则有 1(1)(1)s s t t B B x SARIMA(1,1,0) 更一般的情况，随机序列模型的表达式为 11(1 )(1)(1)s s S t t B B x B SARIMA(1,1,1) 第二节 乘积模型 值得注意的是t a 不一定是白噪声序列。因为我们仅仅消除了不同周期相同周期点之间具有的相关部分，相同周期而不同周期点之间的也有一定的相关性。所以，在此情况下，模型有一定的拟合不足，如果假设t 是),(q p ARMA 模型，则1(1)(1)s s t t B B x 式可以改为 1()(1)(1)()s s t t B B B x B 如果序列}{t x 遵从的模型为 ()() ()()s d D s s t t B U B x B V B （3.26） 其中ks k s s s B B B B U ΓΓΓ----= 2211)(
ms m s s s B B B B V H H H ----= 2211)( p p B B B φφΦ---= 11)( q q B B B θθΘ---= 11)( d d B )1(-=? D s D s B )1(-=? 则称（3.26）为乘积季节模型，记为),,(),,(q d p m D k ARIMA ?。如果将模型的AR 因子合MA 因子分别展开，可以得到类似ARMA ),(q ms p ks ++的模型，不同的是模型的系数在某些阶为零，故),,(),,(q d p m D k ARIMA ?称为疏系数模型。 关于差分阶数和季节差分阶数的选择，是试探性的。可以通过考察样本的自相关函数来确定。一般情况下，如果自相关函数缓慢下降同时在滞后期为周期s 的整倍数时出现峰值，通常说明序列同时有趋势变动和季节变动，应该做差分和季节差分。如果差分后的序列所呈现的自相关函数有较好的截尾或拖尾性，则差分阶数是适宜的。 对于乘积季节模型的阶数识别，基本上可以采用Box-Jenkins 的方法，考察序列的样本自相关函数和偏自相关函数。如果样本的自相关函数和偏自相关函数表现为既不拖尾又不截尾，在滞后期为周期s 的整倍数时出现峰值，则建立乘积季节模型是适应的，同时SAR 算子)(s B U 和SMA 算子)(s B V 的阶数也可以通过自相关函数和偏自相关函数的表现得