基于ARIMA的多元时间序列神经网络预测模型研究.pdfVIP

下载本文档

27
0
约2.14万字
约 3页
2017-08-29 发布于浙江
举报
版权申诉

基于ARIMA的多元时间序列神经网络预测模型研究.pdf

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

基于ARIMA的多元时间序列神经网络预测模型研究

理论新探基于ARIMA 的多元时间序列神经网络预测模型研究 1 2 刘全，刘汀成都信息工程学院，成都；西南交通大学外国语学院，成都 (1. 610103 2. 611756) 摘要：文章基于ARIMA 模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力，人工神经网络具备对各种变量的感知能力强，非线性逼近、自适应、自学习性等特性，构建了一种多元时间序列预测模型，并进行了理论探讨和实证。该模型能较准确模拟和预测时间序列的变化规律，可较好满足对复杂时间序列的分析预测需求。关键词：模型；多元时间序列；神经网络；预测模型 ARIMA BP 中图分类号：文献标识码：文章编号：（） F224 A 1002-6487 2009 11-0023-03 MA ，也称为Box-Jenkins 法）都是其中重要的时序分析方法。 [3] 0 引言人工神经网络（简称ANN ）是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的时序预测技术是主要的预测方法之一，也是最常用的一 [4] 一种信息处理系统。理论证明，能以任意精度逼近任 ANN 类预测方法。目前，运用时序预测技术的方法很多，其中，神何有理函数，所以使用ANN 的非线性逼近能力解决复杂时 [1] [2] 经网络时序分析法和自回归求整移动平均法（简记ARI- 序的预测问题也是一种重要的方法。