針對(duì)非線性、非平穩(wěn)且呈現(xiàn)劇烈波動(dòng)的區(qū)間時(shí)間序列,文章提出了一種新的基于區(qū)間時(shí)間序列小波多尺度分解的組合預(yù)測(cè)方法。首先,建立區(qū)間時(shí)間序列小波多尺度分解模型對(duì)區(qū)間時(shí)間序列進(jìn)行分解和重組,得到區(qū)間趨勢(shì)序列與殘差序列。然后,用Holt’s指數(shù)平滑方法、ARIMA模型和支持向量回歸（SVR）三種單項(xiàng)預(yù)測(cè)方法對(duì)分解后的趨勢(shì)序列和殘差序列進(jìn)行預(yù)測(cè),再通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)單項(xiàng)預(yù)測(cè)結(jié)果進(jìn)行集成,得到區(qū)間時(shí)間序列最終預(yù)測(cè)值。最后,將本模型應(yīng)用于WTI原油價(jià)格的實(shí)證分析中,結(jié)果表明,相比已有的預(yù)測(cè)方法,所提出的區(qū)間時(shí)間序列組合預(yù)測(cè)方法具有較高的預(yù)測(cè)精度和良好的適用性。 

【文章來(lái)源】：統(tǒng)計(jì)與決策. 2020,36(19)北大核心CSSCI

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

中可以看出，WTI原油價(jià)格區(qū)間時(shí)間序列經(jīng)過(guò)

【參考文獻(xiàn)】：
期刊論文
[1]基于EMD-PSO-LSSVR的物料需求組合預(yù)測(cè)模型[J]. 白朝陽(yáng),宋林杰,李曉琳.  統(tǒng)計(jì)與決策. 2018(18)
[2]區(qū)間值時(shí)間序列預(yù)測(cè)效果測(cè)度研究[J]. 陶志富,劉金培,朱家明,陳華友.  模糊系統(tǒng)與數(shù)學(xué). 2018(04)
[3]基于ARMA-GM-BP組合預(yù)測(cè)模型及應(yīng)用[J]. 彭乃馳,黨婷.  統(tǒng)計(jì)與決策. 2016(02)
[4]區(qū)間時(shí)間序列的混合預(yù)測(cè)模型[J]. 岳繼光,楊臻明,孫強(qiáng),王曉保.  控制與決策. 2013(12)
[5]基于小波分解自回歸模型的CPI預(yù)測(cè)[J]. 陳升,李星野.  統(tǒng)計(jì)與決策. 2012(01)
[6]一種非線性時(shí)間序列預(yù)測(cè)模型及對(duì)原油價(jià)格的預(yù)測(cè)[J]. 劉金培,林盛,郭濤,陳華友.  管理科學(xué). 2011(06)
[7]基于EMD和SVMs的原油價(jià)格預(yù)測(cè)方法[J]. 楊云飛,鮑玉昆,胡忠義,張瑞.  管理學(xué)報(bào). 2010(12)



本文編號(hào)：3229008