过程建模11时间序列分析模型.pptxVIP

第十一章 时间序列分析模型1 时间序列分析模型简介 一、时间序列分析模型概述1、自回归模型2、移动平均模型3、自回归移动平均模型二、随机时间序列的特性分析三、模型的识别与建立四、模型的预测2 长江水质污染的发展趋势预测 【CUMCM 2005A】一、问题分析二、模型假设三、模型建立四、模型预测五、结果分析六、模型评价与改进一、概 述 ARMA模型是一类常用的随机时间序列模型，是一种精度较高的时间序列短期预测方法，其基本思想是：某些时间序列是依赖于时间的一族随机变量，构成该时间序列的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律性，可以用相应的数学模型近似描述. 通过对该数学模型的分析研究，能够更本质地认识时间序列的结构与特征，达到最小方差意义下的最优预测. ARMA模型有三种基本类型：自回归（AR：Auto-regressive）模型移动平均（MA：Moving Average）模型自回归移动平均（ARMA：Auto-regressive Moving Average）模型 1 时间序列分析模型【ARMA模型 】简介 1、自回归【 AR 】模型自回归序列 ： 如果时间序列是它的前期值和随机项的线性函数，即可表示为【1】【1】式称为阶自回归模型，记为AR（ ） 注1：实参数 称为自回归系数，是待估参数.随机