基于小波分析和优化理论的时间序列预测研究

发布时间：2017-12-21 23:25

  本文关键词：基于小波分析和优化理论的时间序列预测研究　出处：《燕山大学》2015年硕士论文　论文类型：学位论文

  更多相关文章： 时间序列 小波分析 小波阈值去噪 非线性共轭梯度法 人工神经网络

【摘要】：时间序列预测在预测的领域内是一个比较重要的研究方向,它是具有一定实际价值的一个应用研究领域。在实际的应用中,很多时候人们都会遇到根据历史数据预测未来数据的问题,尤其是经济、工程等方面,因此时间序列预测受到了广泛的关注。在实际的预测中,时间序列常常会呈现出高度复杂并且非线性的状态,单一的模型并不能实现很好的拟合预测效果,因此人们开始将多种模型相结合进行研究,以期望获得更好的预测值。论文在结合ARIMA模型和Elman神经网络模型的同时引入了共轭梯度法以及小波分析理论对模型进行了改进,通过实例分析进行建模预测,由实验的结果可知,相对于单一预测模型,论文中所提的方法预测效果更好。论文通过小波去噪对股票的历史时间序列数据进行预处理,再结合时间序列模型和神经网络模型对预处理后的序列进行建模和预测。论文首先介绍了时间序列模型、非线性共轭梯度法、小波分析和神经网络的相关理论并对不同的非线性共轭梯度法进行了深入研究,提出了改进的共轭梯度算法,并将其应用到时间序列模型的参数估计中,以此来优化参数模型,最后进行了实例验证,从而证明了此方法的可行性以及有效性。其次介绍了小波的阈值去噪法,通过对它的研究给出了一种改进的去噪方法,并通过实例验证了所提方法的有效性及优越性。再次介绍了小波神经网络的基础理论,在小波神经网络和时间序列模型的基础上给出了一种组合预测方法,并通过流程图给出了详细预测步骤。最后利用论文中所提方法对股票序列进行预测,并与单个模型预测进行比较,由仿真实验结果可以看出该方法具有更好的预测效果。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O211.61

【相似文献】

中国期刊全文数据库 前10条

1 杨贵军;;时间序列模型描述个体经济发展趋势的局限性及改进方法[J];现代财经(天津财经大学学报);2006年07期

2 郭顺生;王磊;黄琨;;基于时间序列模型预测汽车销量研究[J];机械工程师;2013年05期

3 李宝慧;用时间序列模型对社会消费品指数的规律进行研究和预测[J];统计研究;2000年01期

4 叶阿忠,李子奈;我国通货膨胀的混合回归和时间序列模型[J];系统工程理论与实践;2000年09期

5 吴令云,赵远东;用时间序列模型分析突发事件对经济的影响[J];统计与决策;2004年04期

6 陈飞,高铁梅;结构时间序列模型在经济预测方面的应用研究[J];数量经济技术经济研究;2005年02期

7 霍振宏;;基于时间序列模型下国民经济发展趋势实证分析[J];中原工学院学报;2007年04期

8 郑煜;孟军;;时间序列模型对黑龙江省水稻比较优势的预测[J];东北林业大学学报;2008年10期

9 张新波;;时间序列模型在税收预测中的应用[J];湖南税务高等专科学校学报;2010年04期

10 刘领坡;;我国社会消费品零售总额时间序列模型及预测[J];经济论坛;2011年06期

中国重要会议论文全文数据库 前4条

1 汪宏晶;林曦晨;汤洪秀;尹平;;多元时间序列模型及其应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

2 史青;练晓华;;时间序列模型在地铁结构变形预测中的应用[A];第十五届华东六省一市测绘学会学术交流会论文集（江苏上海论文分册）[C];2012年

3 黄荣坦;;厦门港集装箱吞吐量的时间序列模型[A];2002年中国管理科学学术会议论文集[C];2002年

4 赵庆江;迟凯;付芳萍;李潮潮;车文刚;;基于FCM的模糊时间序列模型及人民币汇率预测[A];第二十九届中国控制会议论文集[C];2010年

中国重要报纸全文数据库 前2条

1 国海证券研究所;时间序列模型预测3月CPI为—1.26%[N];上海证券报;2009年

2 罗佐县;勘探投资须研究规律提高效率[N];中国石化报;2008年

中国博士学位论文全文数据库 前2条

1 赵彪;两类时间序列模型的统计推断[D];中国科学技术大学;2015年

2 邱望仁;模糊时间序列模型及其在股指趋势分析中的应用研究[D];大连理工大学;2012年

中国硕士学位论文全文数据库 前10条

1 段炼;基于时间序列模型的日内交易策略在A股市场上的应用[D];复旦大学;2014年

2 李金玲;基于特征展开法的模糊时间序列模型的约减算法[D];大连海事大学;2015年

3 王鹏飞;基于自相关函数的模糊时间序列模型的优化算法[D];大连海事大学;2015年

4 孙自珂;风电并网对电力系统可靠性影响研究[D];山东大学;2015年

5 李修成;城市范围内PM2.5时间预测研究[D];哈尔滨工业大学;2015年

6 王倩;非线性时间序列模型研究及实证分析[D];电子科技大学;2014年

7 刘洋;基于SVM修正的模糊时间序列模型在沪指预测中的应用[D];南京大学;2015年

8 尹小琴;基于支持向量机的混合时间序列模型的研究与应用[D];沈阳工业大学;2016年

9 马云飞;多因素模糊时间序列预测模型的研究[D];大连海事大学;2016年

10 刘丑娟;基于变参数粒子群的模糊时间序列模型的研究[D];大连海事大学;2016年

，

本文编号：1317551