非平穩(wěn)時間序列建模與預(yù)測.pdf

1、時間序列按統(tǒng)計特性可以分為平穩(wěn)時間序列和非平穩(wěn)時間序列兩類。在實際生活中，我們經(jīng)常遇到的序列，特別是反映社會、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)測這些序列，又可以對社會、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)時間序列的建模與預(yù)測具有很重要的現(xiàn)實意義。本文的重點(diǎn)是對非平穩(wěn)時間序列的建模與預(yù)測方法進(jìn)行研究。 在研究四種非平穩(wěn)時間序列建模與預(yù)測方法的基礎(chǔ)上，對其中的兩種算法提出改進(jìn)：一是在小波分析時對逼近系

2、數(shù)的重構(gòu)信號使用ARIMA法建模，使模型更符合信號的實際情況;二是對經(jīng)過Kalman濾波后分解出趨勢項的使用ARMA法建模，再利用模型外推預(yù)測從而提高了預(yù)測精度。另外對采用灰度預(yù)測模型和BP神經(jīng)網(wǎng)絡(luò)的非平穩(wěn)時問序列預(yù)測方法也進(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)測為例，通過實驗數(shù)據(jù)的比較，對四種算法進(jìn)行了對比，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)時間序列的預(yù)測方法和Kalman-