時(shí)間序列是指按照時(shí)間順序取得的一系列觀測(cè)值,很多數(shù)據(jù)是以時(shí)間序列的形式出現(xiàn)的,從經(jīng)濟(jì)、金融到工程技術(shù),從天文、地理到氣象,從醫(yī)學(xué)到生物等各個(gè)領(lǐng)域都涉及到時(shí)間序列,例如船舶運(yùn)動(dòng),每天的氣溫,公路事故數(shù)量的周度序列等等。在自然科學(xué)和社會(huì)科學(xué)各研究領(lǐng)域中,大量決策問題都離不開預(yù)測(cè),時(shí)間序列預(yù)測(cè)是指利用時(shí)間序列的若干歷史觀測(cè)值來預(yù)測(cè)未來某時(shí)刻的取值。時(shí)間序列預(yù)測(cè)的應(yīng)用非常廣泛,如天氣預(yù)報(bào),股價(jià)指數(shù)的預(yù)測(cè),船舶運(yùn)動(dòng)的極短期預(yù)報(bào)等等。本文第一章介紹了該課題的背景意義以及時(shí)間序列預(yù)測(cè)的國(guó)內(nèi)外研究現(xiàn)狀；在第二章中給出了五種常用的時(shí)間序列預(yù)測(cè)方法基本原理的詳細(xì)說明,包括線性預(yù)測(cè)方法（自回歸模型AR、自回歸滑動(dòng)平均模型ARMA、求和自回歸滑動(dòng)平均模型ARIMA）和非線性預(yù)測(cè)方法（徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)和BP網(wǎng)絡(luò)）。第三章論文在MATLAB環(huán)境下實(shí)現(xiàn)了這五種方法用于海浪信號(hào)的預(yù)測(cè),并且比較了這些方法預(yù)測(cè)后的四種誤差,包括偏差、歸一化偏差、均方根誤差、標(biāo)準(zhǔn)偏差。同時(shí),比較不同情況下這些方法預(yù)測(cè)的效果,分別是：預(yù)測(cè)步長(zhǎng)增加時(shí)；取不同的時(shí)間段進(jìn)行預(yù)測(cè)時(shí),預(yù)測(cè)誤差的大小等；比較了這些方法用于均勻分布和高斯分布隨機(jī)... 

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
論文摘要
ABSTRACT
第一章 緒論
    1.1 課題的背景和意義
    1.2 國(guó)內(nèi)外的研究現(xiàn)狀
    1.3 論文的主要工作及內(nèi)容
    1.4 本文結(jié)構(gòu)
第二章 五種時(shí)間序列預(yù)測(cè)方法的總結(jié)
    2.1 自回歸模型(AR)
        2.1.1 自回歸模型的理論概述
        2.1.2 自回歸(AR)模型的自相關(guān)函數(shù)
        2.1.3 自回歸(AR)模型的偏相關(guān)函數(shù)
        2.1.4 自回歸模型(AR)階數(shù)的確定
        2.1.5 自回歸模型(AR)的參數(shù)估計(jì)
    2.2 自回歸滑動(dòng)平均模型(ARMA)
        2.2.1 自回歸滑動(dòng)平均模型的理論概述
        2.2.2 自回歸滑動(dòng)平均模型(ARMA)的自相關(guān)函數(shù)
        2.2.3 自回歸滑動(dòng)平均模型(ARMA)階數(shù)的確定
        2.2.4 自回歸滑動(dòng)平均模型(ARMA)的參數(shù)估計(jì)
    2.3 求和自回歸滑動(dòng)平均模型(ARIMA)
    2.4 BP神經(jīng)網(wǎng)絡(luò)
        2.4.1 BP網(wǎng)絡(luò)的基本概念
        2.4.2 BP算法的數(shù)學(xué)描述
    2.5 徑向基函數(shù)網(wǎng)絡(luò)(RBF網(wǎng)絡(luò))
        2.5.1 徑向基函數(shù)網(wǎng)絡(luò)的基本概念
        2.5.2 徑向基函數(shù)網(wǎng)絡(luò)的算法描述
第三章 五種時(shí)間序列預(yù)測(cè)方法的實(shí)現(xiàn)和比較
    3.1 常用的誤差指標(biāo)
    3.2 五種預(yù)測(cè)方法對(duì)海浪信號(hào)做20步預(yù)測(cè)的實(shí)驗(yàn)結(jié)果
        3.2.1 基于自回歸(AR)模型的預(yù)測(cè)
        3.2.2 基于自回歸滑動(dòng)平均(ARMA)模型的預(yù)測(cè)
        3.2.3 基于求和自回歸滑動(dòng)平均(ARIMA)模型的預(yù)測(cè)
        3.2.4 基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)
        3.2.4 基于徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)
        3.2.6 比較五種時(shí)間序列預(yù)測(cè)方法的預(yù)測(cè)結(jié)果
    3.3 五種預(yù)測(cè)方法對(duì)海浪信號(hào)做30步預(yù)測(cè)的實(shí)驗(yàn)結(jié)果
    3.4 對(duì)海浪信號(hào)取不同時(shí)間段做預(yù)測(cè)的實(shí)驗(yàn)結(jié)果
    3.5 均勻分布和高斯分布數(shù)據(jù)的預(yù)測(cè)結(jié)果比較
        3.5.1 均勻分布數(shù)據(jù)的預(yù)測(cè)
        3.5.2 高斯分布數(shù)據(jù)的預(yù)測(cè)
    3.6 小結(jié)
第四章 時(shí)間序列短期預(yù)測(cè)系統(tǒng)設(shè)計(jì)
    4.1 系統(tǒng)的設(shè)計(jì)原則與步驟
    4.2 用戶界面的制作
        4.2.1 設(shè)計(jì)窗口的創(chuàng)建
        4.2.2 用戶界面的設(shè)計(jì)
    4.3 GUI編程
    4.4 系統(tǒng)的功能介紹
        4.4.1 系統(tǒng)的輸入界面
        4.4.2 系統(tǒng)的輸出界面
    4.5 小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)的時(shí)間序列交叉供熱負(fù)荷預(yù)報(bào)研究[J]. 陳烈,張永明,齊維貴,鄧盛川,李娟.  電子學(xué)報(bào). 2009(11)
[2]基于時(shí)間序列分析的網(wǎng)絡(luò)流量預(yù)測(cè)模型研究[J]. 周德懋,李舟軍,康榮雷.  現(xiàn)代電子技術(shù). 2009(08)
[3]基于ARIMA模型的用電量時(shí)間序列建模和預(yù)報(bào)[J]. 楊建萍.  工程數(shù)學(xué)學(xué)報(bào). 2008(04)
[4]用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票市場(chǎng)漲跌[J]. 吳微,陳維強(qiáng),劉波.  大連理工大學(xué)學(xué)報(bào). 2001(01)
[5]基于人工神經(jīng)網(wǎng)絡(luò)的毫米波雨衰減預(yù)報(bào)[J]. 楊紅衛(wèi),何晨,諸鴻文,宋文濤.  上海交通大學(xué)學(xué)報(bào). 2001(01)
[6]三層BP網(wǎng)隱層節(jié)點(diǎn)數(shù)確定方法的研究[J]. 伍春香,劉琳,王葆元.  武漢測(cè)繪科技大學(xué)學(xué)報(bào). 1999(02)
[7]應(yīng)用自回歸積分移動(dòng)平均法預(yù)測(cè)鐵路貨源貨流發(fā)展趨勢(shì)[J]. 袁振洲.  鐵道學(xué)報(bào). 1996(S1)

碩士論文
[1]基于時(shí)間序列ARIMA模型的分析預(yù)測(cè)算法研究及系統(tǒng)實(shí)現(xiàn)[D]. 張利.江蘇大學(xué) 2008
[2]分形高斯噪聲Hurst參數(shù)估計(jì)的實(shí)驗(yàn)評(píng)價(jià)[D]. 韓忠玲.華東師范大學(xué) 2008
[3]基于EMD和AR的船舶運(yùn)動(dòng)極短期預(yù)報(bào)問題研究[D]. 孟令金.哈爾濱工程大學(xué) 2008
[4]基于RBF神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測(cè)模型研究[D]. 魏艷強(qiáng).天津理工大學(xué) 2008
[5]基于BP神經(jīng)網(wǎng)絡(luò)的二手船船價(jià)指數(shù)預(yù)測(cè)研究[D]. 李建華.大連海事大學(xué) 2008
[6]一種基于小波變換及自回歸模型的網(wǎng)絡(luò)流量預(yù)測(cè)算法[D]. 蔣慶華.吉林大學(xué) 2006



本文編號(hào)：3665848