基于区间时间序列小波多尺度分解的组合预测方法

发布时间：2021-06-14 03:52

　　针对非线性、非平稳且呈现剧烈波动的区间时间序列,文章提出了一种新的基于区间时间序列小波多尺度分解的组合预测方法。首先,建立区间时间序列小波多尺度分解模型对区间时间序列进行分解和重组,得到区间趋势序列与残差序列。然后,用Holt’s指数平滑方法、ARIMA模型和支持向量回归（SVR）三种单项预测方法对分解后的趋势序列和残差序列进行预测,再通过BP神经网络对单项预测结果进行集成,得到区间时间序列最终预测值。最后,将本模型应用于WTI原油价格的实证分析中,结果表明,相比已有的预测方法,所提出的区间时间序列组合预测方法具有较高的预测精度和良好的适用性。 

【文章来源】：统计与决策. 2020,36(19)北大核心CSSCI

【文章页数】：5 页

【部分图文】：

中可以看出，WTI原油价格区间时间序列经过

【参考文献】：
期刊论文
[1]基于EMD-PSO-LSSVR的物料需求组合预测模型[J]. 白朝阳,宋林杰,李晓琳.  统计与决策. 2018(18)
[2]区间值时间序列预测效果测度研究[J]. 陶志富,刘金培,朱家明,陈华友.  模糊系统与数学. 2018(04)
[3]基于ARMA-GM-BP组合预测模型及应用[J]. 彭乃驰,党婷.  统计与决策. 2016(02)
[4]区间时间序列的混合预测模型[J]. 岳继光,杨臻明,孙强,王晓保.  控制与决策. 2013(12)
[5]基于小波分解自回归模型的CPI预测[J]. 陈升,李星野.  统计与决策. 2012(01)
[6]一种非线性时间序列预测模型及对原油价格的预测[J]. 刘金培,林盛,郭涛,陈华友.  管理科学. 2011(06)
[7]基于EMD和SVMs的原油价格预测方法[J]. 杨云飞,鲍玉昆,胡忠义,张瑞.  管理学报. 2010(12)



本文编号：3229008