基于计算智能的时间序列模型及预测研究

发布时间：2019-11-24 01:55

【摘要】：时间序列预测一直是学者们研究的热点问题。自回归整合滑动平均模型是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的较为经典的时间序列模型。此模型有两个主要的限制,一是假定时间序列具有线性结构；二是需要较多的时间序列观测值建模才能获得理想的预测结果,且预测结果不具有语义解释。但在实际问题中,时间序列数据往往都具有一定的非线性结构,有时观测数据较少且有缺失。另外,大多数的时间序列模型都只是利用所关心的时间序列本身的信息建立起来的,并以此为基础进行预测。而对于融合相关信息进行时间序列建模预测的方法并不多见。本文结合计算智能技术及融合Granger相关性信息提出了不同的时间序列预测模型,其主要研究工作包括：1.提出了基于模糊聚类和信息粒度的模糊时间序列模型。模糊时间序列模型的关键是如何划分论域,传统的论域划分方法多采用均匀划分,提出的模糊时间序列模型中采用非均匀划分方法。该划分方法充分利用了数据分布的信息,划分后得到的子区间具有很好的可解释性。该模型利用模糊聚类得到时间序列的聚类中心实现论域初次划分；再应用信息颗粒技术进行调节得到最终论域的非均匀划分。为了验证提出模型的有效性,在Enrollment和DAXSIMV数据上与一些模糊时间序列模型进行了比较。实验结果表明提出的模型显著提高了预测精度。2.提出了包含时域信息的模糊时间序列模型。时域信息在时间序列预测中扮演着重要角色,该模型通过G-G模糊聚类将时间变量作为参数参与到论域的划分过程,不仅考虑了数据分布情况,更重要的是考虑了时间变量对论域划分的影响。因此,提出的模型利用信息更全面,更能反映时间序列随时间变化的趋势。在Enrollment和TAIEX数据上同一些其它模糊时间序列模型进行了比较,实验结果表明了提出模型的优越性。3.提出了基于Granger相关性的时间序列预测模型。为了充分利用信息,该时间序列模型将Granger相关性信息融入到模型的构建过程中。首先,对所关心的时间序列建模获取其本身的信息：其次,通过Granger相关性假设检验判断相关性信息的存在性,并利用人工神经网络抽取相关性信息；最后,融合两部分信息进行模型构建。提出的模型充分考虑了时间序列变量之间的动态关系,模型对信息的利用更加完全。实验部分在人工合成数据及真实数据上进行,比较了同ARMA模型、神经网络模型及模糊时间序列模型的预测结果,实验结果表明提出的模型取得了较好的预测结果。
【图文】：

逦２５逡逑Ｔｉｍｅ邋ｓｃａｌｅｓ逡逑图３３与Ｌｅｅ模型的比较分析结果逡逑Ｆｉｇ．邋３．３邋艮ｅｓｕｌｔｓ邋ｏｆ邋ｃｏｍｐａｒａｔｉｖｅ邋ａｎａｌｙｓｉｓ邋ｗｉ比邋Ｌｅｅ，，ｓ逡逑－５０－逡逑

Ｔｉｍｅ邋ｓｃａｌｅｓ逡逑图３３与Ｌｅｅ模型的比较分析结果逡逑Ｆｉｇ．邋３．３邋艮ｅｓｕｌｔｓ邋ｏｆ邋ｃｏｍｐａｒａｔｉｖｅ邋ａｎａｌｙｓｉｓ邋ｗｉ比邋Ｌｅｅ，ｓ逡逑
【学位授予单位】：大连理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：O211.61

【相似文献】

相关期刊论文 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

相关会议论文 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

相关重要报纸文章 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

相关博士学位论文 前5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 尚华;两类时间序列模型的异常值检测研究[D];首都经济贸易大学;2016年

3 王立柱;基于计算智能的时间序列模型及预测研究[D];大连理工大学;2015年

4 杨凯;几类门限时间序列模型的推断研究[D];吉林大学;2016年

5 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

相关硕士学位论文 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：2565220