版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、廈門大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下,獨(dú)立完成的研究成果。本人在論文寫作中參考其他個(gè)人或集體已經(jīng)發(fā)表的研究成果,均在文中以適當(dāng)方式明確標(biāo)明,并符合法律規(guī)范和《廈門大學(xué)研究生學(xué)術(shù)活動(dòng)規(guī)范( 試行) 》。另外,該學(xué)位論文為( ) 課題( 組)的研究成果,獲得( ) 課題( 組) 經(jīng)費(fèi)或?qū)嶒?yàn)室的資助,在( ) 實(shí)驗(yàn)室完成。( 請(qǐng)?jiān)谝陨侠ㄌ?hào)內(nèi)填寫課題或課題組負(fù)責(zé)人或?qū)嶒?yàn)室名稱,未有此項(xiàng)聲明內(nèi)容的,可以不作特別聲明。)聲
2、明人( 簽名) :緣石T 習(xí)2 0 1 2 年年月加日摘要本文主要研究一種可以用于非平穩(wěn)非線性時(shí)間序列預(yù)測(cè)的組合預(yù)測(cè)模型。首先通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解( E m p i r i c a lM o d eD e c o m p o s i t i o n ,E M D ) 將非平穩(wěn)非線性時(shí)間序列分解為一系列( I n t r i n s i c M o d e F u n c t i o n ,肌F ) I M F s 和趨勢(shì)項(xiàng)。在E M D分解
3、過(guò)程中不存在信息量的損失。這些分解出的序列仍然是非平穩(wěn)的或者非線性的,但是有很多方法可以處理這些被分解出的序列。通過(guò)一些人工智能方法分別對(duì)這些序列預(yù)測(cè),然后把每個(gè)序列的預(yù)測(cè)值加總視為非平穩(wěn)非線性時(shí)間序列的預(yù)測(cè)值。首先介紹金融時(shí)間序列及非平穩(wěn)非線性時(shí)間序列的特點(diǎn)和研究現(xiàn)狀。處理非平穩(wěn)非線性時(shí)間序列的方法包括E M D 等方法。然后,文章回顧了E M D 研究及應(yīng)用情況。構(gòu)建組合預(yù)測(cè)模型后,模擬研究是一個(gè)必要的階段。模擬非平穩(wěn)非線性時(shí)間序列
4、是本文難點(diǎn)之一。由于非平穩(wěn)非線性時(shí)間序列的種類繁多,且非線性呈現(xiàn)多種形式,所以模擬研究非平穩(wěn)非線性時(shí)間序列的學(xué)者不多。在波動(dòng)率研究中有一類非平穩(wěn)非線性異方差( N o n - s t a t i o n a r y N O I l l h l e 孤H e t e r o s k e d a s t i c i t y ,N N H ) ,本文在N N H 的基礎(chǔ)上模擬非平穩(wěn)非線性時(shí)間序列。事后分析表明該模擬方法能夠很好的模擬非平穩(wěn)非線
5、性時(shí)間序列。文中使用的人工智能方法包括人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)。首先,介紹人工智能方法在時(shí)間序列中的預(yù)測(cè)模型。文中還提出一種兩階段神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型。然后,模擬研究神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)對(duì)●神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的影響。結(jié)果表明≯在預(yù)測(cè)時(shí)間序列模型中神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)個(gè)數(shù)不宜過(guò)多。最后通過(guò)模擬研究和實(shí)證分析可知,基于E M D 的組合預(yù)測(cè)模型在非平穩(wěn)非線性時(shí)間序列的預(yù)測(cè)中可以取得良好的效果。E M D 和B o x .J e n k i n s
6、 的組合預(yù)測(cè)模型的效果一般,因?yàn)锽 o x .J e n k i n s 模型不能處理非線性時(shí)間序列。E M D .A N N 組合預(yù)測(cè)模型比A N N 模型的預(yù)測(cè)效果提升很多,E M D .T S A N N 在某些方面表現(xiàn)優(yōu)于E M D - A N N 模型。但是不能確定E M D .A N N 和E M D .S V M 哪個(gè)更好。總之,基于E M D 組合預(yù)測(cè)模型能夠很好的處理非平穩(wěn)非線性時(shí)間序列的預(yù)測(cè)問(wèn)題。關(guān)鍵詞:經(jīng)驗(yàn)?zāi)B(tài)分解
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- EMD組合預(yù)測(cè)模型的應(yīng)用研究.pdf
- 基于EMD的變形預(yù)測(cè)組合模型的研究與應(yīng)用.pdf
- 基于EMD-SVM的變形預(yù)測(cè)組合模型的研究與應(yīng)用.pdf
- 基于emd的股票指數(shù)組合預(yù)測(cè)模型
- EMD組合預(yù)測(cè)模型IMF分量選取的改進(jìn).pdf
- 48500.組合預(yù)測(cè)模型及其應(yīng)用研究
- 基于EMD的股票指數(shù)組合預(yù)測(cè)模型.pdf
- 組合預(yù)測(cè)模型及其在負(fù)荷預(yù)測(cè)中的應(yīng)用研究.pdf
- 組合預(yù)測(cè)模型在大壩變形預(yù)測(cè)中的應(yīng)用研究.pdf
- 組合近似模型預(yù)測(cè)設(shè)計(jì)方法及應(yīng)用研究.pdf
- 組合預(yù)測(cè)模型在基坑變形監(jiān)測(cè)中的應(yīng)用研究.pdf
- 優(yōu)組合預(yù)測(cè)模型在換算周轉(zhuǎn)量預(yù)測(cè)中的應(yīng)用研究.pdf
- 地鐵結(jié)構(gòu)變形預(yù)測(cè)組合模型構(gòu)建及應(yīng)用研究.pdf
- 組合預(yù)測(cè)模型在集裝箱生成量預(yù)測(cè)中的應(yīng)用研究.pdf
- 自組織組合預(yù)測(cè)模型的EMD改進(jìn)在石油期貨市場(chǎng)中的應(yīng)用.pdf
- 組合預(yù)測(cè)模型及其在變形分析中的應(yīng)用研究.pdf
- 基于支持向量機(jī)的組合預(yù)測(cè)模型及其應(yīng)用研究.pdf
- 組合預(yù)測(cè)模型在成都市房?jī)r(jià)中的應(yīng)用研究
- 基于EMD與GEP組合預(yù)測(cè)方法應(yīng)用于急性低血壓的預(yù)測(cè).pdf
- 前移回歸分析及其組合預(yù)測(cè)模型應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論