季节性时间序列的预测模型分析.pdfVIP

季节性时间序列预测模型研究 摘 要 由于季节变化、风俗习惯等因素的影响，许多商业和经济时间序列呈现出 周期性的波动，如：空调销售量的月度数据、全国旅客量的月度数据等。该类 季节性时间序列的准确预测，对市场营销，生产计划、运输调度等都起着极其 重要的作用。季节周期项是季节性时间序列的核心，是季节性时间序列预测的 关键部分，由于其具有高度复杂的非线性特征，多步预测的难度较大，直接影 响着季节性时间序列的预测精度，因此，研究周期项的特征，把握周期项预测， 对建立准确的季节性时间序列预测模型具有重要理论意义和实用价值。 本文从周期项预测的角度出发，分析了周期项特性及预测的难点，并针对 其多步预测精度低的问题，提出一种周期项重构法，把多步预测转化为单步预 测；再采取两种不同思路分别对单步预测序列建模预测：一种是总体预测，即 建立BP神经网络模型和ARIMA模型的组合模型，并采用粒子群优化算法动态 确定组合模型中的最优权重，用该组合模型预测周期项；另一种是个体预测， 即针对每个单步预测序列具有的不同特征，提出一种预测方法选择策略，为每 个单步预测序列选择一个最合适的预测方法，然后利用选择的方法建模预测周 期项。然后结合灰色预测模型对周期项的