時間序列ARIMA期末論文-ARIMA模型在總?cè)丝陬A(yù)測中的應(yīng)用

=1\*ROMANIARIMA模型在總?cè)丝陬A(yù)測中的應(yīng)用【摘要】人口發(fā)展與社會經(jīng)濟(jì)的發(fā)展是密不可分的,研究我國總?cè)丝诘陌l(fā)展,對我國人口數(shù)進(jìn)行分析和預(yù)測,有利于及時控制人口的增長調(diào)節(jié)人口平衡,利于政府及時了解發(fā)展趨勢并做出反應(yīng)對策使我國人口發(fā)展步入健康的軌道。本文利用時間序列建模原理和思路，并結(jié)合R3.2.1軟件對1962年——2014年我國年底總?cè)丝跀?shù)據(jù)做分析和預(yù)測。找到對原始數(shù)據(jù)有著較好的擬合度和較高的預(yù)測精度的模型。利用此模型可對我國年底總?cè)丝谶M(jìn)行合理的預(yù)測?！娟P(guān)鍵詞】ARIMA建?？?cè)丝谌丝陬A(yù)測目錄TOC\o"1-3"\u一、引言 3TOC\o"1-3"\u1.1研究背景 31.2研究現(xiàn)狀 4二、模型建立 5TOC\o"1-3"\u2.1模型識別 52.2模型的參數(shù)估計 82.3模型的診斷 102.模型的預(yù)測 12模型的優(yōu)缺點及推廣 133.1模型的優(yōu)缺點 133.2模型的推廣 13結(jié)束語14【參考文獻(xiàn)】15附錄16引言1.1研究背景我國是世界上人口最多的國家，自1980年開始，年末中國大陸總?cè)丝诰鸵呀?jīng)超過了10億，并一直保持約占世界總?cè)丝诘奈宸种?，亞洲人口的三分之一。中國人口的發(fā)展同中國社會的發(fā)展一樣經(jīng)過了漫長而曲折的道路。在世紀(jì)的進(jìn)程中，目前我國進(jìn)入了一個全新的時代，要想在21世紀(jì)——這個充滿競爭與挑戰(zhàn)的時代中變的富強(qiáng)、屹立于世界民族之林，實現(xiàn)我們的中國夢，這全取決于人。能否順利解決人口現(xiàn)狀等問題，是我國乃自世界共同面臨的問題，由于地球的資源是有限的，它不可能無限制的容納人口，當(dāng)人口過多，會由于經(jīng)濟(jì)跟不上，工作崗位欠缺，醫(yī)療等水平不足，從而導(dǎo)致整個社會處于一種動蕩之中；然而如果人口過少，又會由于人員不足，導(dǎo)致各方面人力資源不足，無法正常完成各項必須社會活動，這也會極大地限制一個國家的發(fā)展，因此，對人口的研究是具有相當(dāng)?shù)囊饬x的。我國由于幅員廣闊，民族眾多，各民族發(fā)展水平不一，同時作為世界第一人口大國，我國的耕地面積卻相對不足，因此我國每年都需要從國外大量進(jìn)口糧食，由于過分依賴于進(jìn)口這對我國的發(fā)展影響巨大，為此甚至有國外反華勢力叫囂只要斷絕給中國供糧，三五年之內(nèi)中國必定大亂。當(dāng)然那只是敵對勢力的一廂情愿與惡意詆毀，但我們自己卻必須認(rèn)識到在由于人口的問題而導(dǎo)致的一系列問題，關(guān)于人口問題我國必須重視,并根據(jù)其趨勢做出反應(yīng)對策。因此，認(rèn)真分析我國當(dāng)前人口現(xiàn)狀，從中發(fā)現(xiàn)其變化的趨勢，并對未來總?cè)丝谶M(jìn)行短期預(yù)測，及時采取必要的政治及經(jīng)濟(jì)措施來解決人口發(fā)展問題，對樹立未來的發(fā)展目標(biāo)很有必要?？傊?，人口是構(gòu)成社會的主體，在我國社會主義現(xiàn)代化建設(shè)中，人口問題始終是極為重要的問題，而人口問題的本質(zhì)是發(fā)展問題。人口發(fā)展與社會經(jīng)濟(jì)的發(fā)展也是密不可分的?；诖耍覀兝脮r間序列中的ARMA模型對我國人口進(jìn)行預(yù)測，對人口的控制起到指導(dǎo)作用，有利于政府采取必要的政治及經(jīng)濟(jì)措施來進(jìn)行調(diào)控。所以，對其進(jìn)行分析和測試是非常有意義的工作。1.2研究現(xiàn)狀在對人口問題的研究上，國內(nèi)外學(xué)者做了相當(dāng)多的工作。在國內(nèi)程等利用自限模型對我國的人口增長進(jìn)行了預(yù)測，認(rèn)為中國在2010年-2019年人口數(shù)依次會緩慢增加，2016年突破14億大關(guān)，且未來15年人口凈增加量不會超過1億；蔣慧基于多元統(tǒng)計模型對廣西人口增長進(jìn)行了分析，得出了人口增長的綜合因子，并提出了穩(wěn)定人口增長的建議；丁明等運用相空間重構(gòu)神經(jīng)網(wǎng)絡(luò)模型對我國人口增長進(jìn)行預(yù)測，很好的解決了非線性的問題，為我國人口增長預(yù)測提供了一種新的方法；王保等，利用Logistic模型進(jìn)行人口預(yù)測，并檢驗了2005年—2007年的數(shù)據(jù)誤差，取得了理想的效果。在國外，\o"SearchforStocks,B.J."\o"SearchforRosenF"Rosen利用Malthusian模型對人口進(jìn)行研究，也取得了不錯的成績。本文基于時間序列在研究時間相關(guān)問題上的優(yōu)勢，以1949年-2014年的年末總?cè)丝跀?shù)據(jù)，利用時間序列知識建模，找到適合人口增長的過程的時間序列模型（模型識別），然后利用參數(shù)估計估計出模型的參數(shù)（參數(shù)估計），再對模型進(jìn)行診斷，判斷模型的好壞（模型診斷），最后利用已經(jīng)建立的模型對未來的給定的時間進(jìn)行預(yù)測（預(yù)測）。\o"SearchforStocks,B.J."\o"SearchforStocks,B.J."模型建立2.1模型識別\o"SearchforStocks,B.J."首先需要對數(shù)據(jù)進(jìn)行預(yù)先的處理，觀察其時間序列圖是否為平穩(wěn)序列，可以用R軟件完成（具體程序見于附錄1），可得到時間序列圖為：\o"SearchforStocks,B.J."圖1：人口時間序列圖由圖一可以看出，年底總?cè)丝跀?shù)隨著時間增加的同時也在逐年上漲，有著明顯的上升趨勢。因此可得出這列數(shù)據(jù)是不平穩(wěn)的、方差也是不平穩(wěn)的結(jié)論。并且數(shù)據(jù)大致是呈線性變化的，因此可以考慮做差分變\o"SearchforStocks,B.J."換。先對數(shù)據(jù)做一階差分變換后再觀察序列是否平穩(wěn)，可運用R軟件編程得其變換后的序列及變換后序列的自相關(guān)圖和偏自相關(guān)圖(具體程序見附錄2)：圖二：一階差分序列圖及其ACF、PACF圖由圖二可知，對原始數(shù)據(jù)在進(jìn)行一階差分之后的時間序列圖顯示并不算平穩(wěn)，并且一階差分后的ACF圖仍呈現(xiàn)出近似直線下降趨勢，因此可以考慮再做一次差分運算。通過編程可以得到（具體程序見附錄3）：圖三：對數(shù)二階差分序列圖及其ACF、PACF圖再觀察其二階差分后的時間序列圖，基本上趨于平穩(wěn)，而其自相關(guān)圖(ACF)和偏自相關(guān)圖（PACF）呈現(xiàn)出明顯的拖尾形式，且PACF圖在滯后6階比較顯著，ACF在滯后1,3,6階相對較顯著，由此可以認(rèn)為原序列基本上可以用ARIMA(1,2,1)，ARIMA(1,2,2)，ARIMA(1,2,3)，進(jìn)行擬合。對ARIMA(1,2,1)模型序列滿足：Yt+Yt-2-2Yt-1=?Yt-1+Y由=1\*GB3①式可以得到：Yt=2+?Yt-1+1-2?Yt-2-?Yt-3同理可以得到ARIMA(1,2,2)模型：Yt=2+?Yt-1+1-2?YARIMA(1,2,3)的模型為：Yt=2+?Yt-1+1-2?Y2.2模型的參數(shù)估計根據(jù)2.1節(jié)，已經(jīng)找到幾個可能用于擬合的模型，分別為ARIMA(1,2,1)，ARIMA(1,2,2)，ARIMA(1,2,3)，那么接下來就應(yīng)該對其進(jìn)行參數(shù)估計，在對模型進(jìn)行參數(shù)估計時有多種方法可以選擇，這里選擇用最小二乘估計，通過R編程序可以得到如下結(jié)果（具體程序見于附錄4）：Call:arima(x=x,order=c(1,2,1),method="CSS")Coefficients:ar1ma1-0.47940.5150s.e.0.10330.1901sigma^2estimatedas21752:partloglikelihood=-327.05Call:arima(x=x,order=c(1,2,2),method="CSS")Coefficients:ar1ma1ma2-0.52160.8442-0.3147s.e.0.00090.09120.1014sigma^2estimatedas16939:partloglikelihood=-320.67Call:arima(x=x,order=c(1,2,3),method="CSS")Coefficients:ar1ma1ma2ma3-0.52030.7646-0.11110.3405s.e.0.00080.13270.14350.1278sigma^2estimatedas15191:partloglikelihood=-317.89由上面的輸出可以確定在=2\*GB3②式中的系數(shù)，并且由估計值的誤差項se判斷該系數(shù)是否顯著（通過判定在0是否在區(qū)間[?-2se,?+2se]內(nèi)，若在則系數(shù)不顯著，如不在則顯著）。從而代入=2\*GB3②可以確定ARIMA(1,2,1)模型為：Yt=1.5206Yt-1-0.0412Yt-2-0.4794Y類似代入=3\*GB3③式得ARIMA(1,2,2)表達(dá)式為：Yt=1.4784Yt-1+0.0432Yt-2-0.5216代入=4\*GB3④式得ARIMA(1,2,3)模型的表達(dá)式：Yt=1.4797Yt-1+0.0406Yt-2-0.52032.3模型的診斷在對模型完成了識別和參數(shù)估計之后，需要對模型進(jìn)行診斷，診斷模型是否具有對原時間序列數(shù)據(jù)的很好的擬合效果。主要進(jìn)行擬合模型的殘差分析和分析過度參數(shù)化；對模型進(jìn)行過度參數(shù)分析主要看在進(jìn)行差分時是否出現(xiàn)過度差分的狀況，而對殘差進(jìn)行分析主要需要做以下幾個方面的工作：=1\*GB2⑴，檢驗殘差是否是隨機(jī)的，一個模型如果能很好的擬合，那么擬合后的殘差基本上是隨機(jī)的，殘差是應(yīng)該圍繞在某條平行于x=0這一條直線上下波動的，并且波動的幅度不會很大，這可以用做殘差序列圖觀察得到；=2\*GB2⑵，檢驗殘差是否呈正態(tài)性，一個模型如果能很好的擬合，那么其殘差應(yīng)該是呈正態(tài)性的，這里用殘差QQ圖和S-W正態(tài)性檢驗（原假設(shè)為：H0:數(shù)據(jù)是呈正態(tài)性的）進(jìn)行；=3\*GB2⑶，判斷殘差之間是否是相互獨立的，一個模型如果能很好的擬合，那么其殘差之間相對是比較獨立的，這里主要用殘差的自相關(guān)序列圖和L-B檢驗（原假設(shè)為：H0:原數(shù)據(jù)的殘差之間是不相關(guān)的）進(jìn)行。診斷ARIMA(1,2,1)模型，用R軟件編程序（具體程序見于附錄5）輸出為：圖4：ARIMA(1,2,1)模型殘差的序列圖、ACF圖和QQ圖Shapiro-WilknormalitytestW=0.93417,p-value=0.00592Box-LjungtestX-squared=23.846,df=23,p-value=0.4124由圖4中的殘差序列圖可以看出殘差基本基本上是圍繞x=0這條直線上下波動的，因此可以認(rèn)為ARIMA(1,2,1)模型擬合滿足殘差是隨機(jī)的條件；又由圖4中的QQ可以看出殘差基本上是集中在一條直線上的，由S-W檢驗的的p=0.00592<0.05，檢驗也可以認(rèn)為殘差是非正態(tài)的；又在殘差的自相關(guān)圖中，只有滯后二階是是顯著的，因此可以認(rèn)為殘差之間基本上也是不相關(guān)的，特別由B-L檢驗的p=0.4121>0.05，因此沒有充分的理由拒絕原假設(shè)，應(yīng)該認(rèn)為殘差是相互獨立的。到此就已經(jīng)對模型行進(jìn)行了診斷，由于殘差正態(tài)性不足，說明用ARIMA(1,2,1)模型擬合原數(shù)據(jù)不是十分合適。同理可對ARIMA(1,2,2)和ARIMA(1,2,3),進(jìn)行診斷，這里圖形和數(shù)據(jù)檢驗就不再一一呈現(xiàn)在論文中。在診斷中發(fā)現(xiàn)模型ARIMA(1,2,2)用于擬合是滿足條件的，而ARIMA(1,2,3)模型也由于殘差正態(tài)性不足而不適合用于擬合合。因此在對人口模型進(jìn)行預(yù)測時采用ARIMA(1,2,1)模型。并且在進(jìn)行參數(shù)冗余分析時發(fā)現(xiàn)，對于該時間序列用ARIMA(1,2,2)模型擬合后，對ARIMA(p,d,q)中p,d,q任意一個變小都不能再滿足條件，因此用ARIMA(1,2,2)模型是適合且簡化的，因此后文選用ARIMA(1,2,2)模型進(jìn)行預(yù)測。2.4模型預(yù)測由2.1,2.2,2.3三節(jié)已經(jīng)完成了對模型的識別、參數(shù)估計和模型診斷，現(xiàn)在就需要運用該模型對原時間序列趨勢進(jìn)行預(yù)測。在實際情況中，過去的狀態(tài)已經(jīng)是即成的事實，我們關(guān)心的更多的是未來是什么狀態(tài)，從而就可以判斷在目前的情況未來的情況，進(jìn)而可以進(jìn)行相應(yīng)的措施予以應(yīng)對。這里假設(shè)對未來5年進(jìn)行預(yù)測，編程[7]得到（具體程序見附錄6TimeSeries:Start=2015End=2019Frequency=1[1]137487.2138208.4138936.0139666.2140397.4TimeSeries:Start=2015End=2019Frequency=1[1]162.5725305.4282518.2338796.22561129.1609由上輸出，可知由模型ARIMA(3,2,6)預(yù)測的2015年-2019年年末總?cè)丝跀?shù)分別為：137487.2,138208.4,138936.0,139666.2,140397.4（單位：萬人）。并且還可以對人口數(shù)進(jìn)行區(qū)間估計，在此就不列出。\o"SearchforStocks,B.J."模型優(yōu)缺點及推廣3.1模型優(yōu)缺點優(yōu)點：ARIMA模型在對許多時間序列都適用，并且在建模過程中有多種方法可以選擇，并且在模型的診斷中能過對模型的好壞進(jìn)行評價，對預(yù)測起到很好的作用。缺點：ARIMA模型對數(shù)據(jù)進(jìn)行預(yù)測時，對短期預(yù)測效果還是比較好的，但隨著時間的延長，其預(yù)測誤差就比較大了。3.2模型的推廣ARIMA模型對大多以時間為變量的趨勢都有比較好的擬合效果，可廣泛運用于氣溫、股票、降水量、商品價格等的研究之中。結(jié)束語人口問題是人類社會伴隨始終的問題，在新中國成立之初，由于對人口問題的認(rèn)識不足，導(dǎo)致我國大量的人員過剩，從而影響到后面幾十年的發(fā)展，給教育、醫(yī)療社會帶來了巨大的壓力，即便后來在意識到問題的嚴(yán)重性后，在計劃生育政策下，人口得到了有效的控制，然而由于人口基數(shù)過大，人們傳統(tǒng)觀念的根深蒂固，我國人口還是處于不斷增長的時期，最近幾年又由于伴隨著人口老齡化情況加劇，社會經(jīng)濟(jì)壓力又有了很大的壓力，這對我國的經(jīng)濟(jì)在一定程度上有著不良影響，慢慢政府在對計劃生育問題上又有了一定放松，在一定條件下允許第二胎。這一系列的重大舉措反應(yīng)了當(dāng)代人對人口問題的重視。本文對未來幾年利用模型進(jìn)行了預(yù)測，對政策是一定的補(bǔ)充說明。論文結(jié)束之際，在此向各位老師表示感謝，對在相關(guān)領(lǐng)域做出貢獻(xiàn)的學(xué)者表示感謝。參考文獻(xiàn)：[1]程華，高孝成，幺煥民《我國人口增長預(yù)測問題的自限模型》，[J],哈爾濱師范大學(xué)自然科學(xué)學(xué)報，2009年，第25卷第3期：34-36[2]蔣慧萍，《基于多元統(tǒng)計模型的廣西人口增長分析》，[J],企業(yè)科技與發(fā)展，2010年，第10期：190-192[3]丁明磊，楊曉娜，曹連?！断辔豢臻g重構(gòu)神經(jīng)網(wǎng)絡(luò)模型在我國人口增長預(yù)測中的應(yīng)用》，[J],華北水利水電學(xué)院學(xué)報，2008年6月，第29卷第3期：95-98[4]王保學(xué)，蔡果蘭，《Logistic模型的參數(shù)估計及人口預(yù)測》[J]，北京工商大學(xué)學(xué)報（自然科學(xué)版），2009年11月，第27卷第6期：75-79[5]\o"SearchforRosenF"RosenF,《Theprincipleofpopulationaspoliticaltheory:Godwin'sOfpopulationandtheMalthusiancontroversy》,[J],\o"SearchforJournalOfTheHistoryOfIdeas"JournalOfTheHistoryOfIdeas[JHistIdeas]1970Jan-Mar;Vol.31(1),pp.33-48.[6]潘紅宇等譯，《時間序列分析及應(yīng)用》[M]，機(jī)械工業(yè)出版社，2011年1月[7]薛毅，陳麗萍，《統(tǒng)計建模與R軟件（下冊）》[M]，清華大學(xué)出版社附錄1、做時間序列的序列圖plot(x)2、做序列的一階差分時間按序列圖及處理后的ACF圖,PACF圖程序：mydata<-read.table("C:/Users/Administrator/Desktop/shuju.txt",header=T)x<-ts(mydata,frequency=1,start=1962)par(mfrow=c(3,1))plot(x)plot(diff(x,difference=1))#做差分后的時間序列圖acf(diff(x,difference=1),ci.type='ma')#做差分后的自相關(guān)圖pacf(diff(x,difference=1))#做差分后的偏自相關(guān)圖3、做序列的二階差分時間按序列圖及處理后的ACF圖,PACF圖程序：mydata<-read.table("C:/Users/Administrator/Desktop/shuju.txt",header=T)x<-ts(mydata,frequency=1,start=1962)par(mfrow=c(3,1))plot(diff(x,difference=2))#做差分后的時間序列圖acf(diff(x,difference=2),ci.type='ma')#做差分后的自相關(guān)圖pacf(diff(x,difference=2))#做差分后的偏自相關(guān)圖4、估計模型中的參數(shù)程序：mydata<-read.table("C:/Users/Administrator/Desktop/shuju.txt",header=T)x<-ts(mydata,frequency=1,start=1962)arima(x,order=c(1,2,1),method="CSS")#CSS代表條件最小二乘估計arima(x,order=c(1,2,2),method="CSS")#CSS代表條件最小二乘估計arima(x,order=c(1,2,3),method="CSS")#CSS代表條件最小二乘估計5、對模型的殘差進(jìn)行檢驗程序：library(TSA)mydata<-read.table("C:/Users/Administrator/Desktop/shuju.txt",header=T)x<-ts(mydata,frequency=1,start=1962)m<-matrix(c(1:3,2),2,2)layout(m);layout.show(3);model=arima(x,order=c(1,2,1))#當(dāng)需要改診斷其他模型時就改變此處的p,d,q值即可plot(rstandard(model,infl=iflSR),ylab='StandardizedResiduals',type='o');abline(h=0);#畫殘差圖qqnorm(residuals(model))#畫殘差的QQ圖qqline(residuals(model))#畫殘差圖QQ圖shapiro.test(residuals(model))#對殘差做正態(tài)性檢驗acf(residuals(model))#對殘差做自相關(guān)圖LB.test(model,lag=25)#求殘差Ljung-Box統(tǒng)計量6、對未來5年年末人口數(shù)的預(yù)測程序：library(TSA)mydata<-read.table("C:/Users/Administrator/Desktop/shuju.txt",header=T)x<-ts(mydata,frequency=1,start=1962)model=arima(x,order=c(1,2,2))#確定模型predict(model,c(5))#對未來五年在model模型下的預(yù)測基于C8051F單片機(jī)直流電動機(jī)反饋控制系統(tǒng)的設(shè)計與研究基于單片機(jī)的嵌入式Web服務(wù)器的研究MOTOROLA單片機(jī)MC68HC（8）05PV8/A內(nèi)嵌EEPROM的工藝和制程方法及對良率的影響研究基于模糊控制的電阻釬焊單片機(jī)溫度控制系統(tǒng)的研制基于MCS-51系列單片機(jī)的通用控制模塊的研究基于單片機(jī)實現(xiàn)的供暖系統(tǒng)最佳啟停自校正（STR）調(diào)節(jié)器單片機(jī)控制的二級倒立擺系統(tǒng)的研究基于增強(qiáng)型51系列單片機(jī)的TCP/IP協(xié)議棧的實現(xiàn)基于單片機(jī)的蓄電池自動監(jiān)測系統(tǒng)基于32位嵌入式單片機(jī)系統(tǒng)的圖像采集與處理技術(shù)的研究基于單片機(jī)的作物營養(yǎng)診斷專家系統(tǒng)的研究基于單片機(jī)的交流伺服電機(jī)運動控制系統(tǒng)研究與開發(fā)基于單片機(jī)的泵管內(nèi)壁硬度測試儀的研制基于單片機(jī)的自動找平控制系統(tǒng)研究基于C8051F040單片機(jī)的嵌入式系統(tǒng)開發(fā)基于單片機(jī)的液壓動力系統(tǒng)狀態(tài)監(jiān)測儀開發(fā)模糊Smith智能控制方法的研究及其單片機(jī)實現(xiàn)一種基于單片機(jī)的軸快流CO〈,2〉激光器的手持控制面板的研制基于雙單片機(jī)沖床數(shù)控系統(tǒng)的研究基于CYGNAL單片機(jī)的在線間歇式濁度儀的研制基于單片機(jī)的噴油泵試驗臺控制器的研制基于單片機(jī)的軟起動器的研究和設(shè)計基于單片機(jī)控制的高速快走絲電火花線切割機(jī)床短循環(huán)走絲方式研究基于單片機(jī)的機(jī)電產(chǎn)品控制系統(tǒng)開發(fā)基于PIC單片機(jī)的智能手機(jī)充電器基于單片機(jī)的實時內(nèi)核設(shè)計及其應(yīng)用研究基于單片機(jī)的遠(yuǎn)程抄表系統(tǒng)的設(shè)計與研究基于單片機(jī)的煙氣二氧化硫濃度檢測儀的研制基于微型光譜儀的單片機(jī)系統(tǒng)單片機(jī)系統(tǒng)軟件構(gòu)件開發(fā)的技術(shù)研究基于單片機(jī)的液體點滴速度自動檢測儀的研制基于單片機(jī)系統(tǒng)的多功能溫度測量儀的研制基于PIC單片機(jī)的電能采集終端的設(shè)計和應(yīng)用基于單片機(jī)的光纖光柵解調(diào)儀的研制氣壓式線性摩擦焊機(jī)單片機(jī)控制系統(tǒng)的研制基于單片機(jī)的數(shù)字磁通門傳感器基于單片機(jī)的旋轉(zhuǎn)變壓器-數(shù)字轉(zhuǎn)換器的研究基于單片機(jī)的光纖Bragg光柵解調(diào)系統(tǒng)的研究單片機(jī)控制的便攜式多功能乳腺治療儀的研制基于C8051F020單片機(jī)的多生理信號檢測儀基于單片機(jī)的電機(jī)運動控制系統(tǒng)設(shè)計Pico專用單片機(jī)核的可測性設(shè)計研究基于MCS-51單片機(jī)的熱量計基于雙單片機(jī)的智能遙測微型氣象站MCS-51單片機(jī)構(gòu)建機(jī)器人的實踐研究基于單片機(jī)的輪軌力檢測基于單片機(jī)的GPS定位儀的研究與實現(xiàn)基于單片機(jī)的電液伺服控制系統(tǒng)用于單片機(jī)系統(tǒng)的MMC卡文件系統(tǒng)研制基于單片機(jī)的時控和計數(shù)系統(tǒng)性能優(yōu)化的研究基于單片機(jī)和CPLD的粗光柵位移測量系統(tǒng)研究單片機(jī)控制的后備式方波UPS提升高職學(xué)生單片機(jī)應(yīng)用能力的探究基于單片機(jī)控制的自動低頻減載裝置研究基于單片機(jī)控制的水下焊接電源的研究基于單片機(jī)的多通道數(shù)據(jù)采集系統(tǒng)基于uPSD3234單片機(jī)的氚表面污染測量儀的研制基于單片機(jī)的紅外測油儀的研究96系列單片機(jī)仿真器研究與設(shè)計基于單片機(jī)的單晶金剛石刀具刃磨設(shè)備的數(shù)控改造基于單片機(jī)的溫度智能控制系統(tǒng)的設(shè)計與實現(xiàn)基于MSP430單片機(jī)的電梯門機(jī)控制器的研制基于單片機(jī)的氣體測漏儀的研究基于三菱M16C/6N系列單片機(jī)的CAN/USB協(xié)議轉(zhuǎn)換器基于單片機(jī)和DSP的變壓器油色譜在線監(jiān)測技術(shù)研究基于單片機(jī)的膛壁溫度報警系統(tǒng)設(shè)計基于AVR單片機(jī)的低壓無功補(bǔ)償控制器的設(shè)計基于單片機(jī)船舶電力推進(jìn)電機(jī)監(jiān)測系統(tǒng)基于單片機(jī)網(wǎng)絡(luò)的振動信號的采集系統(tǒng)基于單片機(jī)的大容量數(shù)據(jù)存儲技術(shù)的應(yīng)用研究基于單片機(jī)的疊圖機(jī)研究與教學(xué)方法實踐基于單片機(jī)嵌入式Web服務(wù)器技術(shù)的研究及實現(xiàn)基于AT89S52單片機(jī)的通用數(shù)據(jù)采集系統(tǒng)基于單片機(jī)的多道脈沖幅度分析儀研究機(jī)器人旋轉(zhuǎn)電弧傳感角焊縫跟蹤單片機(jī)控制系統(tǒng)基于單片機(jī)的控制系統(tǒng)在PLC虛擬教學(xué)實驗中的應(yīng)用研究基于單片機(jī)系統(tǒng)的網(wǎng)絡(luò)通信研究與應(yīng)用基于PIC16F877單片機(jī)的莫爾斯碼自動譯碼系統(tǒng)設(shè)計與研究基于單片機(jī)的模糊控制器在工業(yè)電阻爐上的應(yīng)用研究基于雙單片機(jī)沖床數(shù)控系統(tǒng)的研究與開發(fā)基于Cygnal單片機(jī)的μC/OS-Ⅱ的研究基于單片機(jī)的一體化智能差示掃描量熱儀系統(tǒng)研究基于TCP/IP協(xié)議的單片機(jī)與Internet互聯(lián)的研究與實現(xiàn)變頻調(diào)速液壓電梯單片機(jī)控制器的研究基于單片機(jī)γ-免疫計數(shù)器自動換樣功能的研究與實現(xiàn)基于單片機(jī)的倒立擺控制系統(tǒng)設(shè)計與實現(xiàn)單片機(jī)嵌入式以太網(wǎng)防盜報警系統(tǒng)基于51單片機(jī)的嵌入式Internet系統(tǒng)的設(shè)計與實現(xiàn)單片機(jī)監(jiān)測系統(tǒng)在擠壓機(jī)上的應(yīng)用MSP430單片機(jī)在智能水表系統(tǒng)上的研究與應(yīng)用基于單片機(jī)的嵌入式系統(tǒng)中TCP/IP協(xié)議棧的實現(xiàn)與應(yīng)用單片機(jī)在高樓恒壓供水系統(tǒng)中的應(yīng)用HYPERLINK"/deta