时间序列分析及相空间重构.ppt

预测效果评价为了检验预测的精确性，可以比较预测值与实际观测值之间的差。一次预测可能较好或较差，偶然性较大。为了克服这种偶然性，可以取多个点的预测误差的平均。第37页,共50页，星期六，2024年，5月如果RMSE比较大，则说明预测效果不好。但是RMSE和观测序列的数值大小有关，为克服这一问题，我们定义正规化均方根误差NRMSE第38页,共50页，星期六，2024年，5月若NRMSE接近于1，则预测效果不好若NRMSE接近于0，则预测效果较好第39页,共50页，星期六，2024年，5月预测效果的另一个评价标准是相关系数若r接近于1，则预测效果较好第40页,共50页，星期六，2024年，5月上证指数预测数据文件000001.day1990.12.19-2008.06.19共4292个记录每一条记录的长度为40字节:

1-4字节为日期5-8字节=开盘指数*1000

9-12字节=最高指数*1000

13-16字节=最低指数*1000

17-20字节=收盘指数*1000

21-24字节=成交金额(元)/1000

25-28字节=成交量(手)

其余12字节未使用

读取数据matlab文件为readdata.m第41页,共50页，星期六，2024年，5月上证指数预测文件为shangzhen1.m相关文件为readdata.mjuli.mdataconstruct1.mreconstruct1.m第42页,共50页，星期六，2024年，5月多变量时间序列以两个变量为例说明多变量情形设给定时间序列x(n),y(n)x(n)的嵌入维数为m1,延迟时间为τ1y(n)的嵌入维数为m2,延迟时间为τ2第43页,共50页，星期六，2024年，5月多变量时间序列的相空间重构X(n)=(x(n),x(n-τ1),…x(n-(m1-1)τ1,,y(n),y(n-τ2),…y(n-(m2-1)τ2)重构后时间序列的维数为m1+m2第44页,共50页，星期六，2024年，5月多变量时间序列预测设时刻T的状态向量为X(T)=(x(T),x(T-τ1),…x(T-(m1-1)τ1,,y(T),y(T-τ2),…y(T-(m2-1)τ2)预测x(T+1)的值第45页,共50页，星期六，2024年，5月以局部多项式（二次）预测为例预测模型为第46页,共50页，星期六，2024年，5月设X(T)的K个最近邻点为X(T1),…X(TK)如果系统是确定的，则当X(T)靠近X(Ti)时，X(T+1)应靠近X(Ti+1)第47页,共50页，星期六，2024年，5月以最小二乘估计参数第48页,共50页，星期六，2024年，5月第49页,共50页，星期六，2024年，5月用成交量，收盘指数预测上证指数的文件为shanzhen2.m相关文件为readdata.mjuli.mdataconstruct.mreconstruct.m第50页,共50页，星期六，2024年，5月由时间序列恢复原系统最常用的方法利用Takens的延迟嵌入定理对于一个非线性系统,通过观测,可以得到一组测量值x(n)，n=1,2,…N利用此测量值可以构造一组m维向量X(n)=(x(n),x(n-τ),?,x(n-(m-1)τ))n=(m-1)τ)+1,…N如果参数τ,m选择恰当,则X(n)可描述原系统。τ称为延迟时间，m称为嵌入维数。由x(n)构造X(n)称为相空间重构。第5页,共50页，星期六，2024年，5月相空间重构法基本思想是:系统中任一分量的演化都是由与之相互作用着的其它分量所决定的,因此这些相关分量的信息就隐含在任一分量的发展过程中。第6页,共50页，星期六，2024年，5月为了重构一个等价的状态空间,只需考察一个分量,并将它在某些固定的时间延迟点上的测量作为新维处理,它们确定了某个多维状态空间中的一点.第7页,共50页，星期六，2024年，5月重复这一过程并测量相对于不同时间的各延迟量,就可以产生出许多这样的点,它可以将原系统的许多性质保存下来,即用系统的一个观察量可以重构出原动力系统模型,可以初步确定原系统的真实信息。第8页,共50页，星期六