时间序列模型预测——基于函数型数据分析的方法与应用.pdfVIP

AdvancesinAppliedMathematics应用数学进展,2025,14(3),348-356

PublishedOnlineMarch2025inHans./journal/aam

/10.12677/aam.2025.143122

时间序列模型预测

——基于函数型数据分析的方法与应用

李童，肖维维*

北方工业大学理学院，北京

收稿日期：2025年2月23日；录用日期：2025年3月17日；发布日期：2025年3月24日

摘要

在时间序列预测领域，精准的预测模型对于诸多实际应用场景具有重要意义。本文聚焦于基于函数型数

据分析的时间序列模型预测方法，首先以构造小波基来拟合函数为例介绍了函数型数据分析在处理离散

时序数据时进行降噪的方法，并阐述了主成分分析在面对线性和非线性的高维数据的降维方法，并以

LSTM为模型对比了在多类数据集当中数据降维的效果。在此理论基础上，本文将所研究的方法应用于中

国大兴安岭地区部分气象站的森林火险指数(FireWeatherIndex,FWI)时序数据预测实践。通过对数据

进行小波变换降噪、降维处理后，运用所构建的LSTM模型进行预测，并进一步对火灾风险进行科学评

估。实验结果表明，所提出的基于函数型数据分析的时间序列预测方法在实际应用中展现出了较高的预

测精度和良好的可靠性，为相关领域的时序预测与风险评估工作提供了新的有效途径和方法参考。

关键词

时间序列预测，函数型数据分析，主成分分析(PCA)，长短时记忆网络(LSTM)，森林火灾天气指数

(FWI)

TimeSeriesModelForecasting

—MethodsandApplicationsBasedonFunctionalDataAnalysis

TongLi,WeiweiXiao*

SchoolofScience,NorthChinaUniversityofTechnology,Beijing

rdthth

Received:Feb.23,2025;accepted:Mar.17,2025;published:Mar.24,2025

Abstract

Inthefieldoftimeseriesforecasting,accuratepredictivemodelsholdsignificantimportancefor

*通讯作者。

文章引用:李童,肖维维.时间序列模型预测[J].应用数学进展,2025,14(3):348-356.

DOI:10.12677/aam.2025.143122

李童，肖维维

numerouspracticalapplicationscenarios.Thispaperfocusesontheforecastingmethodsoftime

seriesmodelsbasedonfunctionaldataanalysis.Firstly,itintroducesthemethodofusingwavelet

basisconstructiontofitfunctionsasanexample,illustratinghowfunctionaldataanalysiscanbe

appliedtodenoisediscretetimeseriesdata.Italsoelaboratesonthedimensionalityreductionmeth-

odsofprincipalcomponentanalysis(PCA)whendealingwithhigh-dimensionallinear