基于模糊神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測模型.pdf

1、時(shí)間序列預(yù)測是通過有限個(gè)歷史觀測樣本建立模型，并利用模型解釋數(shù)據(jù)的統(tǒng)計(jì)規(guī)律，以期達(dá)到控制和預(yù)報(bào)目的的一門技術(shù)，在眾多領(lǐng)域都有廣泛的應(yīng)用。對(duì)于平穩(wěn)時(shí)間序列的建模和預(yù)測，特別是線形模型的研究，有了許多成熟的技術(shù)和方法。但在實(shí)際問題中，大多數(shù)序列并非平穩(wěn)、線性的，而目前在這類時(shí)間序列的分析和處理上沒有較為完善的方法，達(dá)不到人們所期望的效果。同時(shí)模糊神經(jīng)網(wǎng)絡(luò)模型良好的非線性預(yù)測性能和實(shí)用性，在旅游、金融、工業(yè)等時(shí)間序列預(yù)測中都取得了很好的成績。

2、但現(xiàn)實(shí)中，許多序列并不是單純的線性或非線性模型，且在實(shí)際操作中很難判斷其為線性或者非線性，再者在預(yù)測分類領(lǐng)域，沒有哪一個(gè)模型適合于任何情況。因此，一些學(xué)者提出了建立結(jié)合模型的思想，如BP模型與時(shí)間序列結(jié)合預(yù)測模型、SVMs與時(shí)間序列結(jié)合預(yù)測模型，并取得很好的成績。 本文提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測模型。緒論中介紹了時(shí)間序列及模糊神經(jīng)網(wǎng)絡(luò)發(fā)展?fàn)顩r，第二章給出了傳統(tǒng)時(shí)間序列分析的基本方法，如AR模型、MA模型、ARMA模型

3、。對(duì)于非平穩(wěn)線性時(shí)間序列則通過差分等數(shù)學(xué)方法轉(zhuǎn)化為平穩(wěn)序列，如ARIMA模型。對(duì)于金融時(shí)間序列介紹了條件異方差A(yù)RCH模型。第三章介紹了模糊神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)結(jié)構(gòu)及學(xué)習(xí)算法，可知該模型對(duì)非線性時(shí)間序列有很好的預(yù)測能力。后兩章為本文的重點(diǎn)，第四章提出了基于模糊神經(jīng)網(wǎng)絡(luò)與SARIMA結(jié)合的時(shí)間序列預(yù)測模型，并針對(duì)于悉尼航空數(shù)據(jù)給出了具體的混合模型。第五章提出了基于模糊神經(jīng)網(wǎng)絡(luò)與GARCH結(jié)合的金融時(shí)間序列預(yù)測模型，并針對(duì)于上證指數(shù)數(shù)據(jù)給出了具