共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
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. 相似文献
3.
网络流量预测在拥塞控制、网络管理与诊断、路由器设计等领域都具有重要意义。根据当今网络流量的特点,传统的ARMA模型在描述网络流量数据特性时有一定的局限性,从而影响网络流量预测的精度。针对这个问题,研究了使用广义自回归条件异方差模型(GARCH)对网络流量数据进行建模的方法,通过仿真实验表明,该模型可以较好地描述网络流量数据的异方差性,同时其预测精度较之传统的ARMA模型的预测精度也得到了大幅提升。 相似文献
4.
为了描述周期时间序列中的偏倚和多峰等非线性特征,结合有限混合模型方法,提出混合周期自回归滑动平均时间序列模型(MPARMA),给出了MPARMA模型的平稳性条件,讨论了期望最大化(EM)算法的应用,通过PM10浓度序列分析,评估了MPARMA模型的表现。 相似文献
5.
研究一类用于非线性时间序列预报的隐多分辨自回归滑动平均(ARMA)模型,该模型以ARMA模型为初始细水平模型(即隐多分辨模型的基本块).证明了模型的建模精度由水平问的方差决定.研究了新模型的自相关函数结构,给出了参数估计的Bayes方法和Metropolis-Hasting算法.进一步提出了一种可以直接用于不同基本块的隐多分辨模型的非线性时间序列预报方法,证明了其比其他的线性预报方法和隐多分辨模型预报方法降低了预报误差.最后通过数值模拟和实例验证了模型和预报方法,并和其他模型进行比较,结果表明新提出模型和预报方法能够更好地描述数据的特征,提高预报的精度. 相似文献
6.
非线性时间序列建模的混合自回归滑动平均模型 总被引:6,自引:2,他引:6
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. 相似文献
7.
描述了小波和时间序列分析在数字信号质量监测中的应用。与传统监测信号方法不同,这种方法从被测信号的组成成分入手,通过小波变换对原始信号依尺度分解成不同层次,并从其中提取特征信号,同时对其建立自回归滑动平均(ARMA)模型,通过分析ARMA模型的参数得出信号的质量状况。另外还描述了如何根据被分析信号的特征、小波重构信号的能力及计算速度选择合理的小波基的方法。 相似文献
8.
为实时了解绿色建筑供暖能耗的变化趋势,提升能耗预测效果,设计基于时间序列自回归模型的绿色建筑供暖能耗短期预测方法。利用增强迪基-福勒检验法,检验绿色建筑历史供暖能耗时间序列平稳性;对非平稳的历史能耗时间序列进行差分平稳化处理,获取平稳的历史能耗时间序列;在时间序列自回归模型内添加移动平均模型,并考虑能耗的气温影响因素,建立时间序列自回归移动平均模型;利用赤池信息准则确定模型阶数,通过粒子群算法确定模型参数;在模型阶数与参数确定后的模型内,输入平稳的历史能耗时间序列,输出供暖能耗短期预测值。实验证明:该方法可精准预测不同类型绿色建筑的短期供暖能耗;在不同绿色建筑渗透量时,该方法短期供暖能耗预测误差较小;在不同室外温度时,该方法短期供暖能耗预测的可决系数较高,即预测精度较高。 相似文献
9.
时间序列分析是经济领域应用研究最广泛的工具之一,它用恰当的模型描述历史数据随时间变化的规律,并分析预测变量值。ARMA模型是一种最常见的重要时间序列模型,它被广泛应用到经济领域预测中。本文给出ARMA模型的三种模式和实现方法,然后结合超市销售数据揭示超市销售的规律性,并运用ARMA模型对超市销售量进行预测。 相似文献
10.
基于小波分析技术,将原始非平稳时间序列分解为一层近似系数和多层细节系数,对其分别采用自回归滑动平均模型以及BP神经网络模型,对各层系数进行建模与预测;通过整合各层系数,得到原始时间序列的预测值。运用这种方法对因特网某节点网络流量数据和某地区日最高气温数据进行预测的结果表明,建立在小波分解基础上的这两种方法都能够有效地应用于非平稳时间序列的预测;而小波-BP神经网络的预测方法无论是精度还是计算复杂度方面都要明显优于小波-ARMA方法。 相似文献
11.
A method for efficiently generating a rational model of a wide-sense stationary time series is presented. In this method the autoregressive parameters associated with an ARMA model consisting of q zeros and p poles are optimally chosen with the selection being based on a finite set of time series observations. This selection is made so that a set of Yule-Walker equation approximations are ``best' satisfied. The resultant autoregressive parameter estimates have the desired statistical feature of being unbiased and consistent. This estimation method has been found to provide a modeling performance which typically equals or exceeds that of contemporary alternatives. Moreover, this method is amenable to a computationally efficient adaptive solution procedure. The autoregressive parameters characterizing the resultant ARMA model estimate can serve the role of decision variables in pattern classification schemes. For example, these parameters can be utilized in determining whether or not a member(s) of a given signal class is contained within a noise corrupted measurement signal. This approach has been found to be particularly effective in Doppler radar and array processing applications in which one is looking for the presence of spectral lines (i.e., sinusoids) in the measurement signal. 相似文献
12.
The modern portfolio theory has been trying to determine how an investor might allocate assets among the possible investments options. Since the seminal contribution provided by Harry Markowitz’s theory of portfolio selection, several other tools and procedures have been proposed to deal with return-risk trade-off. Furthermore, diversification across sources of returns and risks based on entropy indexes is another pivotal aspect in portfolio management. An efficient approach to model these portfolio properties with the proportion of each asset can be obtained according to mixture design of experiments. Desirability method can be applied to optimize this nonlinear multiobjective problem. Nevertheless, a tuning procedure is required, since preference articulation parameters in desirability algorithm are unknown a priori. As a result, a computer-aided desirability tuning method is proposed to find an optimal portfolio with time series of returns and risks modeled by ARMA–GARCH models. To assess the proposal feasibility, the method is tested with a heteroskedastic dataset formed by weekly world crude oil spot prices and returns. Computer-aided desirability tuning was able to enhance the global desirability by 79% in relation to the result with no tuning procedure. 相似文献
13.
对两个改进的BLP模型的分析 总被引:4,自引:0,他引:4
安全性和灵活性是各种改进的BLP模型追求的目标.如何在保持安全性的前提下增加BLP模型的灵活性,一直是安全操作系统研究人员研究的重点.安全模型是系统设计的基础,如果在系统中实现了不安全的"安全模型",其后果是严重的.结合多级安全(MLS)的核心思想,通过实例列举的方式深入分析了两个改进的BLP模型--DBLP(dynamic BLP)和SLCF(security label common framework).尽管这两个模型都提出了在系统运行时动态地调整主体安全级的规则,但是分析表明,它们还是不安全的.在这两个模型的规则控制下,特洛伊木马可以通过显式地读和写操作将高安全等级的信息泄漏给低安全等级的主体,从而违反了多级安全(MLS)策略.研究结果为人们避免选用不安全的模型提供了有意义的理论支持. 相似文献
14.
15.
16.
《计算机科学与探索》2016,(3):425-432
在线电视剧的迅速普及和发展,引发了一个全新的研究问题,即在线电视剧流行度预测。电视剧情节演化的连续性,使相邻剧集的流行度序列具有很强的线性相关性。扩展了自回归滑动平均(autoregressive moving average,ARMA)模型。具体地,采用多集单天和多集多天两种不同的建模策略,使用电视剧之间共享参数方法进行模型参数估计。利用均方根误差(root mean squared error,RMSE)评价预测方法的准确性,在大量的真实数据集上的实验表明,上述两种策略相比于对比方法,可以使RMSE平均分别降低22.0%和32.3%。 相似文献
17.
18.
AR 型非线性时间序列模型的稳定性分析 总被引:4,自引:0,他引:4
在工程中,振幅依赖指数自回归模型、门限自回归模型和多项式自回归模型等一类具有AR型的非线性时间序列模型具有广泛的应用,为此给出了AR型非线性时间序列模型的稳定性条件及极限环存在条件,并对一些特殊模型进行了讨论。 相似文献