非線性時間序列組合預測模型研究.pdf

1、非線性時間序列預測是近年發(fā)展起來的一個備受關注的研究領域，無論在數學、物理學、生命科學、信息科學，還是在經濟學、地球科學、天文學等領域均具有廣泛的應用前景。對非線性時間序列的預測理論與方法的研究也已經取得了豐碩的成果，人們已經掌握了許多的預測方法。但對于復雜的應用環(huán)境中的時間序列，單一的預測方法在實際應用中預測的效果不夠理想。因此，如何提高復雜環(huán)境下非線性時間序列預測模型的精度是目前有待解決的課題。本文的研究工作是遼寧省基金項目“面向復

2、雜工業(yè)對象的預測方法研究”的一部分，主要針對非線性時間序列，研究如何建立組合預測模型，以提高其在復雜環(huán)境中的預測能力。BP神經網絡具有大規(guī)模并行處理、分布式信息存儲、容錯性、自組織性和自適應性等特點，有很強的非線性逼近能力和分類識別能力，但其收斂速度慢且存在局部極小值問題。門限自回歸模型能有效地描述具有極限點、極限環(huán)、跳躍性、相依性、諧波等復雜現象的非線性時序動態(tài)系統(tǒng)，它在實際應用過程中擬合精度較高，但預測效果不理想。因此本文提出了一種

3、建立組合預測模型的方法，首先基于人工神經元網絡和門限自回歸技術分別建立單一的非線性時間序列預測模型，然后對兩種模型取長補短，建立其組合預測模型。在這一過程中，重點研究了單一模型的組合方法，包括線性組合方法和非線性組合方法以及組合權值的確定。 本文對兩個典型的非線性時間序列數據集進行了仿真實驗，對各單一模型、線性組合模型和非線性組合模型的擬合及預測的結果進行了比較和分析，實驗結果表明，組合模型較之單一模型具有較高的精度，其中非線性