第二章机械工程.pptVIP

一次预报： ，表明系统有很强的惯性. 由： 此时 这说明 是一个独立的随机变量之和，即序列 中的各值是由前一个值再加上一个任意的随机值，故称之为随机游动模型。 作业 采用多元模型对所给数据进行预测分析 对所给数据采用一列数据建立AR(1)模型，并检验 具有如下结构的模型称为 阶自回归模型，简记为 特别当 时，称为中心化 模型 白噪声 (对中心化AR) AR模型的定义 自回归系数多项式 引进延迟算子，中心化 模型又可以简记为 自回归系数多项式 ARMA模型 AR模型（Auto Regression Model） MA模型（Moving Average Model） ARMA模型（Auto Regression Moving Average model） ARMA(2,1)模型 由太阳黑子序列（1749－1924）建立AR(1)模型： 检查 值较大， 不是白噪声。 与 ， 也相关： 代入原AR(1)： 即： 自回归部分 滑动平均部分 此称之为ARMA（2，1） 自回归为二阶，滑动平均为一阶 AR(2)模型 若 ，则 AR(2)建模比ARMA(2,1)容易： 即： 最小二乘法解： 例：太阳黑子： ，比一阶时小多了 平稳序列时序图 非平稳序列时序图 ARMA(1,1)，MA(1) 对ARMA(2,1)， 若 则 → ARMA(1,1) 若 则 → MA(1) ARMA(2,1)适用性检查： ① 是否为白噪声： 方法同前： ， ②过拟合检验 再建立多阶模型ARMA(3,2) 若 ， 都接近0，且其置信区间包含0，则认为ARMA(2,1)是适用的。 ③检查残差的平方和S是否显著减小 对于ARMA(2,1) 方差 若S(2,1)比S(1)显著减小，ARMA(2,1)适用 若S(3,2)比S(2,1)无显著减小，ARMA(2,1)适用 ARMA(n,m)模型 对于系统分析，AR的阶数总比MA的阶数高。 取ARMA(n,n-1)： 即： 例题1： 已知AR(1)模型， ， 的95%置信区间为（15.5，9.5），求模型的 ， 解： 例题2 有一时间序列： 建立AR(2)，一步预报 解： 原序列减均值 计算残差： 预报 加 95%置信区间 第二章 完End of Preface 大连理工大学机械学院 第二章 自回归滑动平均模型 线性回归模型 一元线性回归模型 例：封闭容器内气压 和温度的测量： 采用一条直线描述 的关系： － 截距 － 斜率 但实际存在误差： ε－ 残差 目的是寻求求 ，使最佳 寻优常用最小二乘法进行估计（LSE） 目标使误差的平方和最小