基于遗传算法的ARMA模型定阶新技术.PDFVIP

第41卷第 1期 机 械 工 程 学 报 Vol.40 2005年 1月 CHINESEJOURNALOFMECHANICALENGINEERING Ian 2N0o0.51 基于遗传算法的ARMA模型定阶新技术 陈 果 (南京航空航天大学民航学院 南京 210016) 摘要:针对时间序列分析与预测中最为常见的 ARMA 模型的定阶问题，在分析传统定阶方法缺点的基础上，提 出了用遗传算法确定ARMA(n,m)模型的自回归阶数n和滑动平均阶数m的新方法。首先由ARMA模型的预测值 与实测值定义平均相对变动值(Averagerelativevariance.ARV)，并根据其建立遗传算法的适应度函数:然后选取 适当的种群数、交叉效、变异率及进化代数:通过逐代进化，得到最优的 ARMA 模型。最后，通过太阳黑子数 据验证了基于遗传算法的ARMA模型定阶新技术的有效性和实用性 关键词:ARMA(n，二)模型 定阶 遗传算法 预测 中图分类号:TP1830329 量作为遗传算法的适应度函数，利用遗传算法的隐 前言 含并行性和强大的全局寻优能力，通过逐代进化最 终得到最优预测效果的ARMA模型。 ARMA模型[P1是系统辨识和预测的经典方法， ARMA模型实际上是实际系统的输出等价模型。对 ARMA模型及各种定阶方法分析 于ARMA(n,m)模型，当自回归阶数n和滑动平均 阶数从确定后，估计模型就比较简单了，常用的算 1.1ARMA(n,m)模型简介 法有最小二乘法、U-C法、马普算法和利弗逊 系统在运行过程中，所产生的平稳随机信号， (Levinson)法等。但是如何确定模型的阶数，即n 通过转换、采样、离化后即可得到时间上呈先后顺 和m的值该取多少才是最合适的模型，却是一个十 序排列的序列，即为时间序列。时间序列蕴涵了关 分困难的问题。 于系统运行状态的信息。因此，通过对时间序列建 ARMA模型定阶实质上是模型适用性检验问 立数学模型，可以实现对系统状态的辨识和对未来 题，从理论上说，ARMA模型成立的根本条件是残 输出的预测。因此ARMA模型在机械故障预测、机 差序列{a,}为白噪声，因此，模型实用性的最根本 械系统辨识和经济预测等各个领域均得到了充分 的检验准则应是检验{a,}是否为白噪声，这可以通 应用。 过计算白噪声的自相关函数来确定，但实际上很困 (n,m)阶自回归滑动平均(Auto-regressive 难，因为估计值与真值偏离往往很大。因此时间序 moving-average)模型ARMA(n,m)可以表述为:对于 列分析中发展了一系列准则和方法[[1,21以检验模型 一个平稳的时间序列{x,}，可以建立一个线性差分 的适用性，如FPE准则、AIC准则、BIC准则、F- 方程 准则和 Box-Jenkivs方法，但这些准则均具有不同 x,一Ax,一O2xr-2_一‘4x-- (1) 程度的局限性，近年来，许多专家和学者对如何确 a,一9,a,-:一B2ar_Z-一 Ba}_ 定ARMA模型的结构进行了深入研究，又提出了许 多新的准则和方法2[-e，与传统方法相比，有了较 式中x,— 时间序列，t--1,2,,N 大的改善。但是，ARMA模型的定阶问题仍然未得 碑— 自回归参数，i=1,2,‘’·，” 到根本解决，至今仍未找到一种通用的方法。 氏— 滑动平均参数，户1,2,’一m 将遗传算法应用于ARMA模型定阶问题的求 a，‘a-1，...，a,-m- m个两两独立的白噪声输入，