原创力文档- 1、本文档共3页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
含误差修正的ARIMA_GM叠加预测模型及其应用
理 论 新 探
含误差修正的ARIMA-GM叠加预测模型及其应用
1,2 2
汪建均 ,胡宗义
(湖南工学院,湖南 衡阳 ;湖南大学 统计学院,长沙 )
1. 4210082. 410079
摘 要:本文针对具有波动和增长二重趋势的季节周期性时间序列,首先利用ARIMA(p,d,q)(P,D,
S乘积模型对原序列进行识别和拟合;然后对其残差子序列运用带阀值的灰色 改进模型进行
Q) GM(1,1)
逐期修正;最后结合二者得到基于残差子序列修正的ARIMA-GM叠加预测模型。本文利用此模型对短
期日负荷进行预测,结果表明此模型具有很高的预测精度和良好的适应性,可以满足实际的预测要求。
关键词: 模型; 改进模型;残差修正;日负荷预测
ARIMA GM(1,1)
中图分类号: ; 文献标识码: 文章编号:
TP3010212 A 1002-6487(2007)20-0031-03
特征信息,最后结合二者构建出含残差修正的ARIMA-GM
0引言 叠加预测模型。
季节周期型预测是一个困难的短期预测问题,它既具 1含残差修正的ARIMA-GM叠加预测模
有随着时间推移的增长趋势,又具有同一周期的相似波动 型构建
趋势。其中增长趋势不是简单的线性关系,而波动趋势也
呈现出复杂的非线性特征,因此单纯地依赖传统的预测模 S乘积模型
1.1 ARIMA(p,d,q)(P,D,Q)
型往往无法综合描述出这两种变化趋势,结果导致季节周 美国学者 G.E.P.Box和英国统计学家 G..M.Jenkins于
期型预测经常出现较大的误差。本文提出一种含残差修正 1970年提出一套关于随机时间序列分析、预测与控制的方
的ARIMA-GM (1,1)叠加预测模型。其基本思想是利用 法,亦称为B-J方法。ARIMA模型是其中最为重要的模型之
S乘积模型对周期型时间序列提取线 一,已经广泛运用到预测与控制的各个领域。 模型有
ARIMA (p,d,q)(P,D,Q) ARIMA
性特征信息,然后运用笔者所提出一种带阀值的灰色 三种基本类型:非季节性 模型、季节性
GM ARIMA(p,d,q) ARIMA
改进模型对其残差子序列进行逐期修正提取其非线性 S模型以及 S乘积模型。
(1,1) (P,D,Q) ARIMA(p,d
文档评论（0）