自适应过滤法.ppt

第六章 自适应过滤法 第一节 自适应过滤法概述 第二节 自适应过滤法的应用 第三节 电子计算机在自适应 过滤法中的应用（略） 其中， 代表调整后第i 期的权数； 代表调整前第i 期的权数；k 代表调整系数，也称学习常数； xt-i+1代 表第t-i+1 期的观察值； 代表第t+1期 的预测误差。 第一节 自适应过滤法概述 一、自适应过滤法的基本原理 运用自适应过滤法调整权数的计算公式为：  二、自适应过滤法的计算步骤 确定加权平均的权数个数 确定初始权数 计算预测值 计算预测误差 权数调整 进行迭代调整  三、自适应过滤法的优点及应用准则 优点：方法简单易行，可采用标准程序上机运算；需要的数据量较少；约束条件较少；具有自适应性，它能自动调整权数，是一种可变系数模型。 应用准则：主要适用于水平数据，对有线性趋势的数据可应用差分方法来消除数据趋势。当数据波动较大时，在调整权数之前，对原始数据值做标准化处理可加快调整速度，使权数迅速收敛于“最佳”的一组权数，并可使学习常数的最佳值近似于1/p。  第二节 自适应过滤法的应用 一、自适应过滤法的实际应用 假设某商品最近5年的销售额资料如下： 利用自适应过滤法预测2012、2013年该商品的销售额。  期数 t=1 t=2 t=3 t=4 t=5 年份 2007 2008 2009 2010 2011 销售额 43 45 48 50 53 一、自适应过滤法的实际应用 本例中，取p = 2，可得初始权数： = = = =0.5 学习常数： = =0.000 2 在此，我们取k =0.000 2。  根据已知数据，计算t=2时t+1期的预测值： （1） =44 （2） = 48-44=4 （3） 根据 = 调整权数： =0.5+2×0.000 2×4×45=0.572 =0.5+2×0.000 2×4×43=0.569  第二节 自适应过滤法的应用 一、自适应过滤法的实际应用 步骤（1）～（3）即是一次迭代调整，然后用新的权数计算t=3时t+1期的预测值： （1） =53 （2） =50-53 = -3 （3） =0.572+2×0.000 2×(-3)×48=0.514 =0.569+2×0.0002×(-3)×45=0.515 再利用上述新的权数计算t=4时t+1期的预测值。  一、自适应过滤法的实际应用 由于没有t=6期的原始数据来计算t=5时et+1的值，此时第一轮的调整就此结束。现在把新的权数作为新的初始权数，重新开始新一轮t=2的预测过程。 …… 反复迭代下去，直到预测误差没有明显改善时，就认为获得了一组最佳权数，能实际用来预测2012、2013年的销售额。  本例在调整过程中经过五轮迭代可使误差降为零（四舍五入），而权数达到稳定不变，最后得到的最佳权数为： =0.54， =0.541 因此，可计算得到预测值： =0.54×53+0.541×50=56 （百万元） =0.54×56+0.541×53=59 （百万元） 该商品在2012和2013年的销售额分别为56和59百万元。  二、标准化处理问题 当数据的波动较大时，在调整权数之前，应对原始数据值做标准化处理。标准化处理一方面可以加快调整速度，使权数迅速收敛于“最佳”的一组权数，并可使学习常数的最佳值近似于1/p ，从而使自适应过滤法更为有效；另一方面可以使数据和残差无量纲化，有助于不同单位时间序列数据的比较。  标准化公式为： 和 其中，