组合ARMA与SVR模型的时间序列预测

经典的ARMA模型常用于平稳时间序列的预测,而对于自然界绝大部分的非平稳序列一般采用确定性时序分析和随机时序分析.确定性时序分析对随机性信息浪费严重,而随机时序分析经过差分平稳序列后又回归到ARMA模型.本文利用在充分ARMA模型拟合后的残差序列进行支持向量回归(SVR)拟合,进而对原序列进行组合预测,比起单一模型的拟合及预测,该组合有效地提高了预测精度.     

非线性时间序列建模的混合自回归滑动平均模型

提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.     

基于MATLAB的时间序列建模与预测

该文介绍了MATLAB系统辨识工具箱在时间序列方面的应用。首先叙述了动态数据的分析与处理方法,时间序列模型阶次的判定及建模过程,然后给出了利用Matlab系统辨识工具箱对时间序列进行数据预处理,相关分析,ARMA模型参数估计,以及预报的方法和步骤,最后使用该方法对某水厂日供水量进行预测,结果说明该方法具有极强的实践意义。     

基于经验模态分解的光纤陀螺随机序列平稳化处理

采用AR模型等时间序列分析方法对光纤陀螺随机误差进行建模前需要对传感器输出序列进行平稳化检验和处理.引入经验模态分解法,对低精度光纤陀螺输出序列进行平稳化处理,采用逆序法检验平稳化处理的效果,引入偏态和峰态系数对随机系列进行正态性检验,并与小波分析等方法进行比较实验.结果表明:经验模态分解法不仅能有效去除陀螺输出信号的...     

基于小波分析的时间序列数据挖掘

将小波分析和ARMA模型引入时间序列数据挖掘中。利用小波消噪对原始时间序列进行滤波,利用小波变换充分提取和分离金融时间序列的各种隐周期和非线性,把小波分解序列的特性和分解数据随尺度倍增而倍减的规律充分用于BP神经网络和自回归移动平均模型的建模。利用小波重构技术将各尺度域的预报结果组合成为时间序列的最终预报。经过试验验证了该方法的实际有效性。     

微机械陀螺零偏稳定性建模与滤波研究

首先介绍了时间序列ARMA模型及其建模方法,并利用该方法基于振动环式微机械陀螺的实测数据建立了振动环式微机械陀螺随机漂移的ARMA模型。在此模型基础上,设计了Kalman滤波器。仿真结果表明此方法能够有效抑制微机械陀螺的零点随机漂移。     

基于ARMA模型的煤矿瓦斯灾害预测研究

瓦斯预测有助于减少煤矿瓦斯灾害损失,甚至可以完全避免严重事故或灾害的发生.使用时间序列分析法,建立瓦斯灾害预测的自回归滑动平均ARMA模型,用AIC信息量准则实现模型定阶,用最小二乘法确定模型中的未知参数.对于非平稳时间序列,经差分处理后得到平稳时间序列,再用ARMA模型进行预测.仿真结果表明建立的预测模型和数据处理方法能获得较准确的预测结果.     

光纤陀螺随机漂移测试与建模

文中介绍了光纤陀螺(FOG)随机漂移的测试方法和实验设备,探讨了一种利用AIC准则和长自回归法建立随机漂移ARMA模型的新途径.利用实验平台对光纤陀螺输出信号进行了采集,对原始数据进行了平稳化处理,然后进行了光纤陀螺随机漂移ARMA建模实验,并通过白噪声检验验证了用新方法建立的ARMA模型具有很好的适用性.     

非平稳APMA模型自校正预报器及其应用

本文介绍了在具有时变均值和时变方差的随机干扰序列作用下,ARMA模型的在线辨识 与自校正预报.用简单的ELS方法实现模型的在线辨识.对指数平滑预报器一步预报误差 序列进行实时建模和实时修正的基础上,实现对未来值的自校正预报. 应用于雷达测量飞机低空飞行数据的短期预报,仿真和对实测数据的处理结果表明,此 方法简单且精度较高,适用于微型机对一类非平稳过程的实时建模和短期预报.     

基于ARMA模型的联机时间序列数据分割算法

自回归移动平均(ARMA)模型近年来被广泛用于时间序列数据的预测、聚类以及相似性查找等.由于现实中的时间序列数据其底层生成机制与结构经常动态发生变化,因而对跨越较长时期的数据建立一个单一静态的ARMA模型并不合适.本文提出一种联机分割算法,首先对数据建立动态的ARMA模型,然后根据模型的预测信息与历史数据的特征信息,判断是否适合继续使用该模型描述后续数据,或者需要对数据进行分割,从而逐段建立ARMA模型.算法能够处理持续数据流,对仿真数据与实际数据的试验结果表明,本文所提出的算法是实用有效的.     

城域网P2P流量预测模型研究

网络流量测量与建模对网络管理有着重要的意义。为了合理规划P2P网络资源,提出了一种基于小波与时间序列分析的P2P流量预测模型。通过对原始序列的小波分解与单支重构,并使用了所提出的一种统计分析方法对流量进行平稳化处理,针对各分支特点分别采用ARMA和ARIMA模型进行预测,最后组合各分支的预测结果获得最终预测值,并对该预测值使用动态指数平滑模型进行优化。实验结果表明,对比已有的方法,这种方法具有更高的预测精度。     

离港航班延误的动态预测研究

现有航班延误预测方法大多是对航班延误进行非动态预测,不能随着航班数据的不断增加而有效更新,进而使得预测结果的实时性较差.因此,提出一种基于时间序列的航班延误动态预测方法.首先,利用小波分解技术对延误时间序列进行平稳化处理;然后,采用自回归滑动平均(ARMA)模型对离港航班延误进行预测;最后,利用支持向量机模型对预测结果进行修正,得到最终的离港航班延误预测值.结果表明,该动态预测方法能较好地提高预测精度.     

网络流量短期预测方法的研究与应用

给出了网络流量短期预测方法.该方法运用小波变换自适应时频局部化分析方法和改进的Mallat算法将网络流量分解到不同频带上,然后对各子频带上的小波分进行不同阈值的消噪处理,再对仍是非平稳过程的分量进行差分处理使其转化为平稳序列,最后对各平稳过程分量采用ARMA模型进行预测.实际流量分析表明该方法简便,且短期预测精度较高.     

非平稳ARMA模型自校正预报器及其应用

本文介绍了在具有时变均值和时变方差的随机干扰序列作用下,ARMA模型的在线辨识与自校正预报。用简单的ELS方法实现模型的在线辨识。对指数平滑预报器一步预报误差序列进行实时建模和实时修正的基础上,实现对未来值的自校正预报。应用于雷达测量飞机低空飞行数据的短期预报,仿真和对实测数据的处理结果表明,此方法简单且精度较高,适用于微型机对一类非平稳过程的实时建模和短期预报。     

基于小波技术的网络流量分析和预测

互联网流量数据属于非平稳的时间序列,具有很强的突发性和自相似性等分形特征.小波分析能够保持对象的尺度不变性,很适合分析和处理自相似过程.分析了常见流量模型的优缺点,利用小波技术将网络流量分解、重构,并结合传统FARIMA模型分析和预测网络流量,实验结果表明该方法可以有效地对网络流量进行建模和预测.     

微机电陀螺随机误差的非平稳模型及滤波方法

以CRS03为对象,研究了微机电陀螺的随机误差建模及滤波方法.针对输出信号非平稳的特点,采用时间序列分析方法,建立了CRS03输出信号的ARIMA模型,设计了基于此模型的Kalman滤波器,对陀螺输出数据进行了处理.结果表明,该方法可有效地抑制陀螺漂移,提高其精度.     

基于ARMA模型和狼群算法的陀螺随机漂移建模研究

光纤陀螺的随机漂移误差是影响惯性导航系统精度的关键因素之一,根据陀螺随机漂移数据的数学模型进行补偿,可有效地提高系统精度.在大量实验的基础上建立陀螺随机漂移的自回归移动平均(ARMA)模型,同时使用长自回归模型法求解模型参数,再对参数进行优化.实验结果证明:经狼群算法优化后的陀螺随机漂移模型更加准确,建模精度相对于传统的时间序列分析法有了较大提高.研究内容对光纤陀螺随机漂移建模精度的提高有较好的参考价值.     

非平稳ARMA信号自校正滤波器及其应用

本文处理带白色观测噪声的非平稳ARMA信号估计问题.应用状态空间方法和现代时 间序列分析方法[1],基于ARMA新息模型,提出了非平稳ARMA信号自校正滤波器,推广了 Hagander和Wittenmafk的结果[2],并给出了在雷达跟踪系统和检测数据数字滤波方面的应 用.仿真结果说明了本文结果的实用性和有效性.     

GPS接收机时钟频率漂移误差分析及模型预测

针对由于接收机和全球定位系统(GPS)时钟频率不同步而给GPS观测量引入时钟频率误差的问题,采用Allan方差法分析了GPS接收机内部时钟频率漂移所包含的随机误差成分,确定出其主要随机项.并依据时间序列分析理论建立了GPS接收机时钟频率漂移的ARMA(Auto-regressive and moving average model) 型.通过对多组数据的模型外推预测效果及残差序列的分析,验证了该模型的正确性.采用该方法可以对GPS的现测量进行实时时钟频率误差修正.故提高了现测量的精度.     

基于ARMA的销售预测方法与系统实现

为了提高销售预测准确性,为企业生产决策提供参考依据,建立一个基于自回归滑动平均模型ARMA的销售预测模型,实现产品销售预测。采用修正因子对输入序列进行影响因素权值调整（前处理）,再进行ARMA建模,并对预测结果再进行修正（后处理）,提高了销售预测的准确性。以IIS为应用服务器,Oracle为数据库服务器,采用B/S体系结构和ASP.NET四层架构设计,实现时序销量数据修正、模型的识别、定阶、参数估计和预测数据修正以及预测展示等功能,完成产品销量预测系统。