基于统计信号处理的时间序列预测模型选择方法研究

发布时间：2017-10-22 08:12

  本文关键词：基于统计信号处理的时间序列预测模型选择方法研究

  更多相关文章： 时间序列预测 时间序列特性分类 统计预测 模型选择

【摘要】：近年来,时间序列预测在许多领域得到了广泛应用。一般地,每一种时间序列预测方法都无法解决任意时间序列的预测问题,仅能够对具备某些特性的时间序列进行合理预测。因此,为时间序列选择合理的预测模型成为获得可靠预测信息的关键。本文主要针对时间序列预测模型选择机制展开研究。首先,构建时间序列特征描述体系,对幅值连续性、长记忆性、季节性和趋势性四个特性展开分析。随后,构建时间序列特征分类体系,将时间序列分为九个类别。此外,分析基于统计信号处理的时间序列预测算法特性,从理论角度总结不同预测模型适用的时间序列特征及类别,利用公开数据集验证理论分析结果,完成预测模型与时间序列类别之间的映射关系的最终构建。上述研究为时间序列预测模型定性选择机制的构建奠定理论基础。其次,构建可定制化的时间序列预测模型适用性量化评价指标体系,覆盖六个不同适用性评价角度,并完成了时间序列预测模型定量选择机制的构建。进而,提出包含定性选择和定量选择两个串行模型选择环节的时间序列预测模型选择机制。其中,定性选择机制通过时间序列特性分析将时间序列归入分类体系中对应类别,并将该类别时间序列映射得到的各预测模型作为候选预测模型。而定量选择机制针对当前预测场景,定制预测模型适用性量化评价体系,对候选预测模型进行适用性量化评价和比较,实现最优模型的选择。此外,针对应用中时间序列可能出现的特性变化,提出一种模型适用性判断及决策建议的反馈机制,针对不同的时间序列特性变化程度给出交互式决策建议,保证预测结果始终准确而可靠。最后,面向实际时间序列预测应用需求,通过Python内嵌R进程的混合编程方式,利用Python完成软件架构搭建和界面设计,利用R实现数据处理、分析及算法功能。最终,完成具备时间序列特性分析、最优模型选择、预测及结果评价的时间序列预测应用软件的开发和验证。实验结果表明,本文所提出的时间序列特性分类体系、预测算法与时间序列映射关系、最优模型选择机制等均具备良好的应用适用性,能够合理实现时间序列最优模型的选择和更新。
【关键词】：时间序列预测 时间序列特性分类 统计预测 模型选择
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.7;O211.61
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-20
• 1.1 课题来源及研究的目的和意义8-9
• 1.2 国内外研究现状及分析9-18
• 1.2.1 时间序列特性分类研究现状9-11
• 1.2.2 基于统计信号处理的时间序列预测模型研究现状11-16
• 1.2.3 预测模型自适应选择及优化选择研究现状16-18
• 1.3 本文的研究内容与结构18-20
• 第2章 时间序列特性分类研究20-28
• 2.1 时间序列特性指标体系构建20-22
• 2.2 时间序列分类体系构建22-23
• 2.3 时间序列分类体系验证实验及分析23-27
• 2.3.1 时间序列长记忆性融合判断方法验证及分析24-25
• 2.3.2 时间序列分类体系验证及分析25-27
• 2.4 本章小结27-28
• 第3章 统计预测模型特性研究28-49
• 3.1 统计预测模型及其特性分析28-34
• 3.2 预测模型与数据特性匹配关系构建34-47
• 3.3 本章小结47-49
• 第4章 时间序列预测模型选择及更新机制49-69
• 4.1 时间序列预测模型选择机制49-66
• 4.1.1 时间序列预测模型选择机制总体框架49-51
• 4.1.2 最优模型定性选择机制51-52
• 4.1.3 最优模型定量选择机制52-62
• 4.1.4 实验验证及分析62-66
• 4.2 时间序列预测模型适用性评价及更新反馈机制66-68
• 4.3 本章小结68-69
• 第5章 基于统计信号处理的时间序列预测软件69-88
• 5.1 软件概述69-70
• 5.1.1 软件需求分析及功能概述69
• 5.1.2 软件使用流程69-70
• 5.2 软件总体设计方案70-72
• 5.2.1 软件运行所需环境70
• 5.2.2 总体设计方案70-71
• 5.2.3 混合编程技术实现71-72
• 5.3 软件详细设计72-81
• 5.3.1 自定义资源配置模块设计72-74
• 5.3.2 时间序列基本呈现及数据准备模块设计74-76
• 5.3.3 时间序列特性判断及分类模块设计76-77
• 5.3.4 最优预测模型选择模块设计77-79
• 5.3.5 时间序列预测模块设计79-80
• 5.3.6 预测效果评价模块设计80
• 5.3.7 结果输出呈现处理模块设计80-81
• 5.4 软件功能测试81-87
• 5.4.1 软件功能测试方案81-82
• 5.4.2 软件功能测试与结果分析82-87
• 5.5 本章小结87-88
• 结论88-89
• 参考文献89-97
• 攻读硕士学位期间发表的论文及其它成果97-100
• 致谢100-101
• 附录101-104

【参考文献】

中国期刊全文数据库 前3条

1 范德成;王韶华;张伟;;季度周期模型在我国用电量预测中的应用研究[J];电网技术;2012年07期

2 何厚伯;赵建民;许长安;寇玺;赵苏;;基于马尔可夫过程的健康状态评估模型[J];计算机与数字工程;2011年07期

3 徐国祥;统计预测方法的特点研究[J];统计研究;1999年02期

中国博士学位论文全文数据库 前3条

1 王建民;基于回声状态网络的非线性时间序列预测方法研究[D];哈尔滨工业大学;2011年

2 赵华春;人民币均衡汇率及汇率特性与传递效应研究[D];南京航空航天大学;2013年

3 张浒;时间序列短期预测模型研究与应用[D];华中科技大学;2013年

中国硕士学位论文全文数据库 前1条

1 毛艺萍;统计预测模型的算法研究及新发展[D];暨南大学;2006年

，

本文编号：1077484