

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、時間序列是指將某種現(xiàn)象某一個統(tǒng)計指標在不同時間上的各個數(shù)值,按時間先后順序排列而形成的序列。時間序列預(yù)測就是通過編制和分析時間序列,根據(jù)時間序列所反映出來的發(fā)展過程、方向和趨勢,進行類推或延伸,借以預(yù)測下一段時間或以后若干年可能達到的水平。時間序列預(yù)測在第二次世界大戰(zhàn)前應(yīng)用于經(jīng)濟干預(yù)。二次大戰(zhàn)中和戰(zhàn)后,在軍事科學、空間科學、工業(yè)自動化和氣象預(yù)報等部門的應(yīng)用更加廣泛。時間序列預(yù)測內(nèi)容包括:收集與整理某種社會現(xiàn)象的歷史資料;對這些資料進行檢
2、查鑒別,排成數(shù)列;分析時間數(shù)列,從中尋找該社會現(xiàn)象隨時間變化而變化的規(guī)律,得出一定的模式;以此模式去預(yù)測該社會現(xiàn)象將來的情況。
時間序列預(yù)測經(jīng)歷了漫長的發(fā)展。從最初的樸素的描述性時間序列分析階段,到17世紀,隨著概率論中隨機變量和統(tǒng)計數(shù)學中一些結(jié)論和方法的發(fā)展,時間序列預(yù)測進入了統(tǒng)計時序分析的時代,再到利用時間序列的頻域特征而發(fā)展起來的時間序列頻域分析和譜分析。時間序列主要的發(fā)展成果集中于時域分析方面,其中以自回歸(autor
3、egressive,AR)和移動平均(moving average,MA)為代表的線性時間序列預(yù)測方法得到了極大的發(fā)展。
而相比較于線性時間序列的研究,非線性時間序列分析和預(yù)測方面的發(fā)展還處于嬰兒期。而今年來一個活躍的研究課題是試圖把復雜網(wǎng)絡(luò)理論應(yīng)用與時間序列分析,從復雜網(wǎng)絡(luò)這一全新的視角出發(fā),發(fā)展一套從時間序列映射到復雜網(wǎng)絡(luò)的方法,期望能夠提取到新的序列結(jié)構(gòu)特征,從而深入認識復雜網(wǎng)絡(luò)的結(jié)構(gòu)和動力學機制。受到這種思路的啟發(fā),我
4、們希望建立一種更具物理意義并可以保留時間信息的方法對時間序列進行預(yù)測,我們將時間序列與網(wǎng)絡(luò)建立聯(lián)系,并試圖從中建立一種全新的時間序列預(yù)測模型。
同時受到可視圖和鏈路預(yù)測方面的一些前沿成果的啟發(fā),我們利用可視圖理論將時間序列轉(zhuǎn)換為網(wǎng)絡(luò),然后在網(wǎng)絡(luò)中利用鏈路預(yù)測的方法探究預(yù)測節(jié)點與已知節(jié)點之間的關(guān)系,最后再將可視圖轉(zhuǎn)換為時間序列,從而預(yù)測出時間序列的值。該預(yù)測模型與一些傳統(tǒng)的從統(tǒng)計分析的角度來預(yù)測時間序列的模型不同,該模型沒有將時
5、間序列的過去觀察值看作歷史數(shù)據(jù)來加以分析,而是將過去觀察值看作獨立的“個體”,利用過去觀察值與預(yù)測值之間的“關(guān)系信息”進行預(yù)測。
實驗證明該網(wǎng)絡(luò)時間序列模型能夠在具有較少觀測數(shù)據(jù)的情況下取得良好的預(yù)測結(jié)果。在進行單步預(yù)測,歷史數(shù)據(jù)較少時,與傳統(tǒng)的非平穩(wěn)自回歸滑動平均(ARIMA)模型、指數(shù)平滑模型、非線性神經(jīng)網(wǎng)絡(luò)模型對比,取得更好的預(yù)測效果。最后,該模型被應(yīng)用在臺灣證交所市值加權(quán)指數(shù)的現(xiàn)實數(shù)據(jù)預(yù)測中,同樣取得了良好的預(yù)測效果。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測.pdf
- 基于BP網(wǎng)絡(luò)的混沌時間序列預(yù)測的研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的模糊時間序列預(yù)測.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測模型.pdf
- 基于時間序列分析的預(yù)測.pdf
- 基于Elman網(wǎng)絡(luò)與GPU加速的時間序列預(yù)測.pdf
- 基于遲滯神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測分析.pdf
- 基于改進回聲狀態(tài)網(wǎng)絡(luò)的混沌時間序列多步預(yù)測.pdf
- 基于Bayes網(wǎng)的時間序列預(yù)測.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的外匯時間序列預(yù)測研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)理論的線性時間序列預(yù)測研究.pdf
- 基于時間序列和神經(jīng)網(wǎng)絡(luò)的CPI組合預(yù)測研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測與路由優(yōu)化.pdf
- 股票時間序列數(shù)據(jù)挖掘與趨勢預(yù)測--基于時間序列嵌入.pdf
- 基于時間序列和神經(jīng)網(wǎng)絡(luò)的股票指數(shù)預(yù)測研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的季節(jié)性時間序列預(yù)測方法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的多因素時間序列預(yù)測模型研究.pdf
- 時間序列預(yù)測中的神經(jīng)網(wǎng)絡(luò)方法研究.pdf
評論
0/150
提交評論