非平穩(wěn)時(shí)間序列建模與預(yù)測(cè).pdf

1、時(shí)間序列按統(tǒng)計(jì)特性可以分為平穩(wěn)時(shí)間序列和非平穩(wěn)時(shí)間序列兩類。在實(shí)際生活中，我們經(jīng)常遇到的序列，特別是反映社會(huì)、經(jīng)濟(jì)現(xiàn)象的序列，大多數(shù)并不平穩(wěn)，而如果能夠正確的預(yù)測(cè)這些序列，又可以對(duì)社會(huì)、經(jīng)濟(jì)的發(fā)展起到很好的控制和指導(dǎo)作用。因此研究非平穩(wěn)時(shí)間序列的建模與預(yù)測(cè)具有很重要的現(xiàn)實(shí)意義。本文的重點(diǎn)是對(duì)非平穩(wěn)時(shí)間序列的建模與預(yù)測(cè)方法進(jìn)行研究。 在研究四種非平穩(wěn)時(shí)間序列建模與預(yù)測(cè)方法的基礎(chǔ)上，對(duì)其中的兩種算法提出改進(jìn)：一是在小波分析時(shí)對(duì)逼近系

2、數(shù)的重構(gòu)信號(hào)使用ARIMA法建模，使模型更符合信號(hào)的實(shí)際情況;二是對(duì)經(jīng)過Kalman濾波后分解出趨勢(shì)項(xiàng)的使用ARMA法建模，再利用模型外推預(yù)測(cè)從而提高了預(yù)測(cè)精度。另外對(duì)采用灰度預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)的非平穩(wěn)時(shí)問序列預(yù)測(cè)方法也進(jìn)行了研究。 四種算法都用Matlab編寫了相應(yīng)程序，以上證綜合指數(shù)的預(yù)測(cè)為例，通過實(shí)驗(yàn)數(shù)據(jù)的比較，對(duì)四種算法進(jìn)行了對(duì)比，總結(jié)了各自的優(yōu)缺點(diǎn)，證明改進(jìn)后的基于小波分析的非平穩(wěn)時(shí)間序列的預(yù)測(cè)方法和Kalman-