非平穩(wěn)時間序列建模與預測.pdf

1、時間序列按統(tǒng)計特性可以分為平穩(wěn)時間序列和非平穩(wěn)時間序列兩類。在實際生活中，我們經(jīng)常遇到的序列，特別是反映社會、經(jīng)濟現(xiàn)象的序列，大多數(shù)并不平穩(wěn)，而如果能夠正確的預測這些序列，又可以對社會、經(jīng)濟的發(fā)展起到很好的控制和指導作用。因此研究非平穩(wěn)時間序列的建模與預測具有很重要的現(xiàn)實意義。本文的重點是對非平穩(wěn)時間序列的建模與預測方法進行研究。 在研究四種非平穩(wěn)時間序列建模與預測方法的基礎上，對其中的兩種算法提出改進：一是在小波分析時對逼近系

2、數(shù)的重構信號使用ARIMA法建模，使模型更符合信號的實際情況;二是對經(jīng)過Kalman濾波后分解出趨勢項的使用ARMA法建模，再利用模型外推預測從而提高了預測精度。另外對采用灰度預測模型和BP神經(jīng)網(wǎng)絡的非平穩(wěn)時問序列預測方法也進行了研究。 四種算法都用Matlab編寫了相應程序，以上證綜合指數(shù)的預測為例，通過實驗數(shù)據(jù)的比較，對四種算法進行了對比，總結了各自的優(yōu)缺點，證明改進后的基于小波分析的非平穩(wěn)時間序列的預測方法和Kalman-