数学建模中的预测方法时间序列分析模型精要.pptVIP

2）MA（ ）的预测 对模型（3）： 当 时，由于 可见所有白噪声的时刻都大于 ，故与历史取值无关， ； 从而 递推时，初值 均取为0。 当 时，各步预测值可写成矩阵形式： 二 长江水质污染的发展趋势预测 【CUMCM 2005A】 题中给出了“1995—2004年长江流域水质报告”中的主要统计数据和关于《地表水环境质量标准》的国标（GB3838-2002）中4个主要项目标准限值（见附录1），其中I、II、III类为可饮用水.假如不采取更为有效的治理措施，根据过去10年的主要统计数据（见附录2），对长江未来水质污染的发展趋势做出预测分析，比如研究未来10年的情况. 1、问题分析 对未来10年全流域、支流、干流中三类水所占的比例做出预测. 若仅用10年水文年的观测数据来预测后10年的数据，可利用的数据量太少，所以我们将充分利用枯水期、丰水期和水文年的数据. 我们将一年分为三段，1-4月、5-8月、9-12月. 1-4月的平均数据可直接取为枯水期的数据，5-8月的平均数据可直接取为丰水期的数据，而9-12月的数据可用【（水文年*12-枯水期*4-丰水期*4）/4=水文年*3-枯水期-丰水期】来估计（具体数据见附录3）.我们分别对全流域、干流、支流来建立时间序列模型，并将水质分为饮用水（I、II、III类）、污水（IV、V类）和劣V类水三类. 2、模型假设 （2）假设枯水期、丰水期和水文年中，每个月各类水质的百分比不变. （1）问题中所给出的数据能客观反映现实情况； * * 数学建模中的预测方法 应用案例： （1）CUMCM2001-A:血管的三维重建问题； （2）CUMCM2003-A:SARS的传播问题； （3）CUMCM2005-A:长江水质的评价与预测； （4）CUMCM2006-B:艾滋病疗法的评价与预测。 1. 插值与拟合方法：小样本内部预测 应用案例： （1）CUMCM2004-A:奥运临时超市网点设计； （2）CUMCM2004-B:电力市场的输电阻塞管理； （3）CUMCM2005-A:长江水质的评价与预测； （4）CUMCM2006-B:艾滋病疗法的评价与预测； （5）CUMCM2008-B:高校学费标准探讨问题。 2.回归模型方法：大样本的内部预测 3.灰预测GM(1,1)：小样本的未来预测 应用案例 （1）CUMCM2003-A:SARS的传播问题； （2）CUMCM2005-A:长江水质的评价与预测； （3）CUMCM2006-B:艾滋病疗法的评价与预测； （4）CUMCM2008-B:高校学费标准探讨问题。 应用案例 （1）CUMCM2003-A:SARS的传播问题； （2）CUMCM2005-A:长江水质的评价与预测； （3）CUMCM2006-B:艾滋病疗法的评价与预测。 5.神经网络方法：大样本的未来预测． 4.时间序列方法：大样本的随机因素或周期特征的未来预测； 时间序列分析模型 一、时间序列分析模型【ARMA模型 】简介 1、概 述 ARMA模型是一类常用的随机时间序列模型，是一种精度较高的时间序列短期预测方法. 通过对模型的分析研究，能够更本质地认识时间序列的结构与特征，达到最小方差意义下的最优预测. 三种基本类型：自回归（AR：Auto-regressive）模型；移动平均（MA：Moving Average）模型；自回归移动平均（ARMA：Auto-regressive Moving Average）模型 （1）自回归【 AR 】模型 自回归序列： 【1】 【1】式称为 阶自回归模型，记为AR（ ） 注1：实参数 称为自回归系数，是待估参数.随机项 是相互独立的白噪声序列，且服从均值为0、方差为 的正态分布. 随机项与滞后变量不相关。 注2：一般假定 均值为0，否则令 记 为 步滞后算子，即 ，则模型【1】可表示为 令 ，模型可简写为 AR（ ）过程平稳的条件是滞后多项式 的根均在单位圆外 【2】 （2）移动平均【MA】模型 移动平均序列 ： 【3】 式【3】称为 阶移动平均模型，记为MA（ ） 注：实参数 为移动平均系数，是待估参数 引入滞后算子，并令 则模型【3】可简写为 注1：移动平均过程无条件平稳 注2：滞后多项式的根都在单位圆外时，AR过程与MA过程 能相互表出，即过程可逆， 【4】 注3：【2】满足平稳条件时，AR过程等价于无穷阶的MA过程，即 （3）自