Extrapolationoftimeseriesbytheirstructuralproperties讲义.doc

由它们的结构性质外推的时间序列 A. Zayezdny和S. Tiunov 电气与计算机工程系，内盖夫本-古里安大学的贝尔谢巴，以色列 收到1992年2月24日 修订后的1992年8月24日 摘要。 本文对于时间序列的外推的新方法。?差异相对于它的主要观点 其它方法是使用不仅推断系列的值也是它们的导数和这些导数之间的关系。?在本文中的方法和其使用的程序的基础上进行了描述和 数值例子。?这些实例，其包括获得的结果由我们的方法之间和由比较 其他的方法，令人信服地说明了该方法的效率相对于已知的方法特别是在大间隔推断。?通过结构特性，我们这里指的函数都透露出函数及其导数之间存在一定的关系。 关键词。?外推;?函数结构性能;?状态函数;?产生差分方程。 1.简介 首先，按照我们的方法用公式表达外推，?假定该实验的统计数据被给作为一个时间序列{X（Ti），0 Ti To}，并且TT0，,可用值经过初步处理（如平滑），从而产生平滑序列{‘X（Ti），0 Ti To }。 这一系列被视为一个采样版本，确定性函数X（t），0 ≤t≤t0 在未来我们应指为了简单到x（t）的，但必须记住平滑后的‘x（t）是隐含的。 初步处理的方法是应该被公知，故未在此讨论。?因此，外推这个问题是 第2页 转换成函数近似值的问题，从已知的值（过去）逼近“未来值”。 我们使用这种近似，不仅逼近X（t），0 ≤t≤t0，而且逼近导数和它们之间的关系。?此外推方法使我们能够获得更精确的结果。 然而，直接使用的初始值的函数和其近似的导数是不可能的，因为数学的困难。?我们通过使用的，而不是克服这些困难函数X（t）其中的一个特殊形式的图像产生差分方程（GDE），其中有一个简单的函数性结构。?所有的计算都是用GDE的。 流程代表性的特征GDE形式是利用不仅是值的外推系列，但也是导数和它们之间的关系。?此是实现高的描述信息也是增加每个GDE符号的信息量。一方面使我们能够增加外推精度特别是对于一个大的外推时间间隔，而在另一方面，为了自己局限这两个先前的最小量实验信息和可能的一个有关过程先验理论信息所需的近似和推断。因此，一个最小量的规定所需要的时间短的以前的信息系列推断可能是满意的。 过渡的从函数的问题X（t）到GDE的问题在一定条件下。?其中重要的是以下情况：该GDE的结构必须比简单原有的函数的函数结构简单。 这个问题有许多解决方案，我们要选择最合适的一个。?对于所有上述原因，我们使用一种特殊的数学设备。?下面给出该设备的简短介绍。?使用GDE的的想法外推 [9，10]。 我们在下面提供的一些外推的数值例子 我们要提醒大家注意，难点是估算外推法的有效性，与此相关的，理论证明比其他方法的优点。 问题的关键是，一个假设随机模型是任何外推法的基础。?据这种模式的确定性外推函数化（这通常被称为外推函数）会被发现。其优点是 从具体例子中发现的。?对于参考的历史经验模型是有用的。 这些模型的特征说明：他们提出没有任何理论和严密的数学基础被接受仅在其或多或少精确的基础对实际过程行为的描述。?该实验数据收集从只有检查所选择的模型的精度。?这些经验模型只有经历的变化和改进所获得的事实材料的基础。?在这种连接是适当的参考 [2，5，6，12]，也对“数学理论的争论“由沃尔泰拉[13]创建。 这样的做法，由一个的假设的初始模型，随后检查其具体例子的合理性。 有必要重申一次的事实，即初步处理使平滑后的数据然后将其用于构造外推函数（t）的预测值X（t）为T T0。 不幸的是，这是不可能得到的一般用于计算外推分析方法化误差及其与外推关系化间隔。?因此，我们估计的效率通过比较的结果的新方法 在新的执行外推的例子和常规的方法。?特别是对统计数据初步处理 {X（Ti），0 Ti To}是严格按照詹金斯法进行。 第3页 我们的创新关注的只有第二部分的问题，也就是说，以外推法来逼近。 2. 函数结构特性的基本原理和它的应用的问题外推 文献[14]给出函数结构性质的理论。?在这里，我们将给出一个非常简洁该部分的理论，这是用来说明在我们的论文。 我们应考虑的时间函数?X（t），Y（t）而在之后，应丢弃参数，只用x、y来表示。?我们使用非线性函数来表示x（t）和其导数之间的关系。?这些关系有一个清晰物理意义，因此我们将在下文使用专业术语的解释。 2.1。对于?dissipant x 可以看出，dissipant表示X的相对变化率。?该dissipant存在于x≥ 0，并当x 0与对数导数一致。 该dissipant构成的是一阶齐次微分方程的系数 现在，让我们改写二阶齐次微分方程 在此方程中dissipant?显示本身作为耗散项，并且确定的部分与系数的a（?）能量损耗：如果，就没有耗散能量，并且该过程是