非平稳时间序列模与预测.pdfVIP

非平稳时问序列建模与预测 摘要 时间序列按统计特性可以分为平稳时间序列和非平稳时间序列两类。在实际生活 中，我们经常遇到的序列，特别是反映社会、经济现象的序列，大多数并不平稳，而如 果能够正确的预测这些序列，又可以对社会、经济的发展起到很好的控制和指导作用。 因此研究非平稳时问序列的建模与预测具有很重要的现实意义。本文的重点是对非平稳 时间序列的建模与预测方法进行研究。 在研究四种非平稳时间序列建模与预测方法的基础上，对其中的两种算法提出改 进：一是在小波分析时对逼近系数的重构信号使用ARIMA法建模，使模型更符合信号 的实际情况：二是对经过Kalman滤波后分解出趋势项的使用ARMA法建模，再利用模 型外推预测从而提高了预测精度。另外对采用灰度预测模型和卯神经网络的非平稳时 间序列预测方法也进行了研究。 四种算法都用Matlab编写了相应程序，以上证综合指数的预测为例，通过实验数据 的比较，对四种算法进行了对比，总结了各自的优缺点，证明改进后的基于小波分析的 非平稳时间序列的预测方法和Kalman—ARMA预测法在预测精度和曲线拟合度方面要 优于灰度组合预测法和BP神经网络预测法。 关键词：非平稳时间序列建模；非平稳时间序列预测；小波分析；Kalman滤波； 灰度理论；BP神经网络 非平稳时间序列建模与预测 ABSTRACT tothecharacteristicof seriesisdividedintotwoclasses．Oneis According statistics，time time otheris timeseries．Intimewe observe stationaryseries，the non—stationary daily usually timeserieswhichisalmost inthe of and non-stationaryespeciallyphenomenasociety theseseries cancontrolanddirecttheadvancementof economic．Forecastingcorrectly the and andeconomic theresearchof the of society greatly．So modeling forecasting timeseriesis in narrates aboutthe non·stationary veryimportantpractice．Thestudy mainly methodofthe andthe of timeseries． modelingforecastingnon-stationary Basedonthe offourmethodsof timeseries and study non-stationary modeling mcal塔arccommittedtobe is AR／MA forecasting,twoalgorithmic improved，oneusing to reconstructionof coefficientsfro