实验四-平稳时间序列模型预测.docVIP

PAGE

PAGE19

实验四 平稳时间序列模型预测

一、实验目的

1、掌握平稳时间序列分析模型的分析方法和步骤

2、会求平稳时间序列的自相关函数和偏相关函数

3、掌握模型类别和阶数的确定

二、实验原理

平稳时间序列的模型估计与预测原理

样本自协方差函数：

样本自相关函数：

样本偏相关函数

3、利用与的拖尾和截尾性质判定类型和阶数

三、实验内容与步骤

已知平稳时间序列{}一个长为50的样本数据如下表：

1-10 289285289286288287288292291291

11-20 292296297301304304303307299296

21-30 293301293301295284286286287284

31-40 282278281278277279278270268272

41-50 273279279280275271277278279285

51-60 301295281278278270286288279279

每个同学以自己的学号为起点，循环计数50重新排序，如：学号为3的学生样本数据为：Z3,Z4……Z50,Z1,Z2,编程计算，并打印下列：

1、

2、

3、利用递推公式计算样本的偏相关系数

4、

5、确定模型的类别和阶数

四．实验程序

functiony=experiment4

closeall;clc;

%r=[];p1=[];p=[];

%Fai=[];FAI=[];

%学号41

z1=[273279279280275271277278279285];

z2=[301295281278278270286288279279];

z3=[289285289286288287288292291291];

z4=[292296297301304304303307299296];

z5=[293301293301295284286286287284];

z6=[282278281278277279278270268272];

Z=[z1z2z3z4z5z6];

W=Z-mean(Z);

figure(1),

subplot(211),plot(Z);gridon;

subplot(212),plot(W);gridon;

N=length(W);

%利用公式来求样本的自协方差函数，取K60/4

K=15;

fork=1:K

sum=0;

fori=1:(N-k)

sum=sum+W(i)*W(i+k);

end

r(k)=sum/N;

end

%55

sum=0;

fori=1:N

sum=sum+W(i)*W(i);

end

r0=sum/N;%样本方差

p1=r/r0;

p=[1p1];%样本相关系数

%利用递推法求偏相关函数

Fai(1,1)=p1(1);%利用公式1

fork=1:K-1

sum1=0;

sum2=0;

forj=1:k

sum1=sum1+p1(k+1)*Fai(k,j);

sum2=sum2+p1(j)*Fai(k,j);

end

Fai(k+1,k+1)=(p1(k+1)-sum1)/(1-sum2);%公式2

forj=1:k

Fai(k+1,j)=Fai(k,j)-Fai(k+1,k+1)*Fai(k,k+1-j);%公式3

end

end

fork=1:K

FAI(k+1)=Fai(k,k);

end

FAI(1)=1;

figure(2),

tt=0:length(p1);

subplot(2,1,1),plot(tt,p);gridon;

title(样本自相关函数);

subplot(2,1,2);plot(tt,FAI);

title(样本偏相关函数);gri