【摘要】：時間序列預測一直是學者們研究的熱點問題。自回歸整合滑動平均模型是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的較為經(jīng)典的時間序列模型。此模型有兩個主要的限制,一是假定時間序列具有線性結構；二是需要較多的時間序列觀測值建模才能獲得理想的預測結果,且預測結果不具有語義解釋。但在實際問題中,時間序列數(shù)據(jù)往往都具有一定的非線性結構,有時觀測數(shù)據(jù)較少且有缺失。另外,大多數(shù)的時間序列模型都只是利用所關心的時間序列本身的信息建立起來的,并以此為基礎進行預測。而對于融合相關信息進行時間序列建模預測的方法并不多見。本文結合計算智能技術及融合Granger相關性信息提出了不同的時間序列預測模型,其主要研究工作包括：1.提出了基于模糊聚類和信息粒度的模糊時間序列模型。模糊時間序列模型的關鍵是如何劃分論域,傳統(tǒng)的論域劃分方法多采用均勻劃分,提出的模糊時間序列模型中采用非均勻劃分方法。該劃分方法充分利用了數(shù)據(jù)分布的信息,劃分后得到的子區(qū)間具有很好的可解釋性。該模型利用模糊聚類得到時間序列的聚類中心實現(xiàn)論域初次劃分；再應用信息顆粒技術進行調(diào)節(jié)得到最終論域的非均勻劃分。為了驗證提出模型的有效性,在Enrollment和DAXSIMV數(shù)據(jù)上與一些模糊時間序列模型進行了比較。實驗結果表明提出的模型顯著提高了預測精度。2.提出了包含時域信息的模糊時間序列模型。時域信息在時間序列預測中扮演著重要角色,該模型通過G-G模糊聚類將時間變量作為參數(shù)參與到論域的劃分過程,不僅考慮了數(shù)據(jù)分布情況,更重要的是考慮了時間變量對論域劃分的影響。因此,提出的模型利用信息更全面,更能反映時間序列隨時間變化的趨勢。在Enrollment和TAIEX數(shù)據(jù)上同一些其它模糊時間序列模型進行了比較,實驗結果表明了提出模型的優(yōu)越性。3.提出了基于Granger相關性的時間序列預測模型。為了充分利用信息,該時間序列模型將Granger相關性信息融入到模型的構建過程中。首先,對所關心的時間序列建模獲取其本身的信息：其次,通過Granger相關性假設檢驗判斷相關性信息的存在性,并利用人工神經(jīng)網(wǎng)絡抽取相關性信息；最后,融合兩部分信息進行模型構建。提出的模型充分考慮了時間序列變量之間的動態(tài)關系,模型對信息的利用更加完全。實驗部分在人工合成數(shù)據(jù)及真實數(shù)據(jù)上進行,比較了同ARMA模型、神經(jīng)網(wǎng)絡模型及模糊時間序列模型的預測結果,實驗結果表明提出的模型取得了較好的預測結果。
【圖文】：

邐２５逡逑Ｔｉｍｅ邋ｓｃａｌｅｓ逡逑圖３３與Ｌｅｅ模型的比較分析結果逡逑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逡逑圖３３與Ｌｅｅ模型的比較分析結果逡逑Ｆｉｇ．邋３．３邋艮ｅｓｕｌｔｓ邋ｏｆ邋ｃｏｍｐａｒａｔｉｖｅ邋ａｎａｌｙｓｉｓ邋ｗｉ比邋Ｌｅｅ，ｓ逡逑
【學位授予單位】：大連理工大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：O211.61

【相似文獻】

相關期刊論文 前10條

1 楊貴軍;;時間序列模型描述個體經(jīng)濟發(fā)展趨勢的局限性及改進方法[J];現(xiàn)代財經(jīng)(天津財經(jīng)大學學報);2006年07期

2 郭順生;王磊;黃琨;;基于時間序列模型預測汽車銷量研究[J];機械工程師;2013年05期

3 李寶慧;用時間序列模型對社會消費品指數(shù)的規(guī)律進行研究和預測[J];統(tǒng)計研究;2000年01期

4 葉阿忠,李子奈;我國通貨膨脹的混合回歸和時間序列模型[J];系統(tǒng)工程理論與實踐;2000年09期

5 吳令云,趙遠東;用時間序列模型分析突發(fā)事件對經(jīng)濟的影響[J];統(tǒng)計與決策;2004年04期

6 陳飛,高鐵梅;結構時間序列模型在經(jīng)濟預測方面的應用研究[J];數(shù)量經(jīng)濟技術經(jīng)濟研究;2005年02期

7 霍振宏;;基于時間序列模型下國民經(jīng)濟發(fā)展趨勢實證分析[J];中原工學院學報;2007年04期

8 鄭煜;孟軍;;時間序列模型對黑龍江省水稻比較優(yōu)勢的預測[J];東北林業(yè)大學學報;2008年10期

9 張新波;;時間序列模型在稅收預測中的應用[J];湖南稅務高等專科學校學報;2010年04期

10 劉領坡;;我國社會消費品零售總額時間序列模型及預測[J];經(jīng)濟論壇;2011年06期

相關會議論文 前4條

1 汪宏晶;林曦晨;湯洪秀;尹平;;多元時間序列模型及其應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

2 史青;練曉華;;時間序列模型在地鐵結構變形預測中的應用[A];第十五屆華東六省一市測繪學會學術交流會論文集（江蘇上海論文分冊）[C];2012年

3 黃榮坦;;廈門港集裝箱吞吐量的時間序列模型[A];2002年中國管理科學學術會議論文集[C];2002年

4 趙慶江;遲凱;付芳萍;李潮潮;車文剛;;基于FCM的模糊時間序列模型及人民幣匯率預測[A];第二十九屆中國控制會議論文集[C];2010年

相關重要報紙文章 前2條

1 國海證券研究所;時間序列模型預測3月CPI為—1.26%[N];上海證券報;2009年

2 羅佐縣;勘探投資須研究規(guī)律提高效率[N];中國石化報;2008年

相關博士學位論文 前5條

1 趙彪;兩類時間序列模型的統(tǒng)計推斷[D];中國科學技術大學;2015年

2 尚華;兩類時間序列模型的異常值檢測研究[D];首都經(jīng)濟貿(mào)易大學;2016年

3 王立柱;基于計算智能的時間序列模型及預測研究[D];大連理工大學;2015年

4 楊凱;幾類門限時間序列模型的推斷研究[D];吉林大學;2016年

5 邱望仁;模糊時間序列模型及其在股指趨勢分析中的應用研究[D];大連理工大學;2012年

相關碩士學位論文 前10條

1 段煉;基于時間序列模型的日內(nèi)交易策略在A股市場上的應用[D];復旦大學;2014年

2 李金玲;基于特征展開法的模糊時間序列模型的約減算法[D];大連海事大學;2015年

3 王鵬飛;基于自相關函數(shù)的模糊時間序列模型的優(yōu)化算法[D];大連海事大學;2015年

4 孫自珂;風電并網(wǎng)對電力系統(tǒng)可靠性影響研究[D];山東大學;2015年

5 李修成;城市范圍內(nèi)PM2.5時間預測研究[D];哈爾濱工業(yè)大學;2015年

6 王倩;非線性時間序列模型研究及實證分析[D];電子科技大學;2014年

7 劉洋;基于SVM修正的模糊時間序列模型在滬指預測中的應用[D];南京大學;2015年

8 尹小琴;基于支持向量機的混合時間序列模型的研究與應用[D];沈陽工業(yè)大學;2016年

9 馬云飛;多因素模糊時間序列預測模型的研究[D];大連海事大學;2016年

10 劉丑娟;基于變參數(shù)粒子群的模糊時間序列模型的研究[D];大連海事大學;2016年

本文編號：2565220