时间序列分析系统的记忆性与系统建模.pdfVIP

时间序列分析系统的记忆性与系统建模 1 2 刘志新 ，杨忠学 1 辽宁工程技术大学理学院，辽宁阜新（123000 ） 2 辽宁工程技术大学机械学院，辽宁阜新（123000 ） E-mail ：156868341@163.com 摘 要：本文的目的和任务主要是理解系统记忆性与系统模型之间的关系，掌握考察自回归 系统记忆性的标绘图方法，尝试自回归系统的建模（最小二乘法），尝试用标绘图进行模型 评价。 关键词：时间序列；系统记忆性；系统模型 1. 引言 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。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几件序列分析。 近年来，时间序列分析作为概率统计学科中应用性较强的一个分支，在金融经济、气象 水文、信号处理、机械振动等众多领域有着广泛的应用。[1] 本文将通过理解系统记忆性与系统模型之间的关系，掌握考察自回归系统记忆性的标绘 图方法，尝试自回归系统的建模，并用标绘图进行模型评价。 2. 时间序列的动态性（即记忆性） 所谓动态性，从统计观点来看，就是指系统现在的行为与其历史行为的相关性。体现 在时序中，就是观测值之中蕴含着的相关关系，因此，可用相关函数来刻划系统（时序）的 动态性。 从系统的观点来看，动态性就是指系统的记忆性。具体地说，就是在某一时刻进入系 统的输入对系统后继行为的影响。如果该输入只影响系统的下一时刻的行为，而对下一时刻 以后的行为不发生作用，那么系统就有一阶动态性。依次类推，如果该输入对系统后继 n 个时刻的行为都有影响，那么就说该系统具有 n 阶动态性。[2] 3. 相关时间序列模型 如果时间序列X t （t=1 ，2 ，…）是独立的，没有任何依赖关系，那就是说事物的后一 时刻的行为主要与其前一时刻的行为毫无关系。这样的资料所揭示的统计规律就是事物独立 地随机变动，系统无记忆能力。如果情况不是这样，资料之间有一定的依存性，那么最简单 的关系就是后一时刻的行为主要与其前一时刻的行为，而与其前一时刻以前的行为无直接关 系，即已知X t −1 ，X t 主要与X t −1 相关。用记忆性来说，就是最短的记忆，即一期记忆，也 就是一阶动态性。描述这种关系的数学模型就是一阶自回归模型。即 X ϕ X +a t 1 t −1 t （1） 记作 AR （1）。其中，X 为零均值（即中心化处理后的）平稳序列，ϕ 为X 对X 的依 t 1 t t −1 赖程度，a 为随机扰动。 t AR （1）与普通一元线性回归的关系： 普通一元线性回归模型可表示为 Y bX +ε i=1 ，2 ，… （2 ） i i i -1- 其中 Y 与X 为中心化处理后的序列。 i i 从形式上看，模型（1）与（2 ）非常相似，但是二者既有联系，又有区别，其主要区别 有： （1） 普通线性回归模型需要一组确定性变量值和相关的观测值；AR （1）模型只 需要一组随机变量的观测值。 （2 ） 普通一元线性回归表示的是一个随机变量