本文關(guān)鍵詞：基于網(wǎng)絡(luò)的時間序列預(yù)測，由筆耕文化傳播整理發(fā)布。

【摘要】：時間序列是指將某種現(xiàn)象某一個統(tǒng)計指標(biāo)在不同時間上的各個數(shù)值,按時間先后順序排列而形成的序列。時間序列預(yù)測就是通過編制和分析時間序列,根據(jù)時間序列所反映出來的發(fā)展過程、方向和趨勢,進(jìn)行類推或延伸,借以預(yù)測下一段時間或以后若干年可能達(dá)到的水平。時間序列預(yù)測在第二次世界大戰(zhàn)前應(yīng)用于經(jīng)濟(jì)干預(yù)。二次大戰(zhàn)中和戰(zhàn)后,在軍事科學(xué)、空間科學(xué)、工業(yè)自動化和氣象預(yù)報等部門的應(yīng)用更加廣泛。時間序列預(yù)測內(nèi)容包括：收集與整理某種社會現(xiàn)象的歷史資料；對這些資料進(jìn)行檢查鑒別,排成數(shù)列；分析時間數(shù)列,從中尋找該社會現(xiàn)象隨時間變化而變化的規(guī)律,得出一定的模式；以此模式去預(yù)測該社會現(xiàn)象將來的情況。時間序列預(yù)測經(jīng)歷了漫長的發(fā)展。從最初的樸素的描述性時間序列分析階段,到17世紀(jì),隨著概率論中隨機(jī)變量和統(tǒng)計數(shù)學(xué)中一些結(jié)論和方法的發(fā)展,時間序列預(yù)測進(jìn)入了統(tǒng)計時序分析的時代,再到利用時間序列的頻域特征而發(fā)展起來的時間序列頻域分析和譜分析。時間序列主要的發(fā)展成果集中于時域分析方面,其中以自回歸(autoregressive,AR)和移動平均(moving average,MA)為代表的線性時間序列預(yù)測方法得到了極大的發(fā)展。而相比較于線性時間序列的研究,非線性時間序列分析和預(yù)測方面的發(fā)展還處于嬰兒期。而今年來一個活躍的研究課題是試圖把復(fù)雜網(wǎng)絡(luò)理論應(yīng)用與時間序列分析,從復(fù)雜網(wǎng)絡(luò)這一全新的視角出發(fā),發(fā)展一套從時間序列映射到復(fù)雜網(wǎng)絡(luò)的方法,期望能夠提取到新的序列結(jié)構(gòu)特征,從而深入認(rèn)識復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)和動力學(xué)機(jī)制。受到這種思路的啟發(fā),我們希望建立一種更具物理意義并可以保留時間信息的方法對時間序列進(jìn)行預(yù)測,我們將時間序列與網(wǎng)絡(luò)建立聯(lián)系,并試圖從中建立一種全新的時間序列預(yù)測模型。同時受到可視圖和鏈路預(yù)測方面的一些前沿成果的啟發(fā),我們利用可視圖理論將時間序列轉(zhuǎn)換為網(wǎng)絡(luò),然后在網(wǎng)絡(luò)中利用鏈路預(yù)測的方法探究預(yù)測節(jié)點與己知節(jié)點之間的關(guān)系,最后再將可視圖轉(zhuǎn)換為時間序列,從而預(yù)測出時間序列的值。該預(yù)測模型與一些傳統(tǒng)的從統(tǒng)計分析的角度來預(yù)測時間序列的模型不同,該模型沒有將時間序列的過去觀察值看作歷史數(shù)據(jù)來加以分析,而是將過去觀察值看作獨(dú)立的“個體”,利用過去觀察值與預(yù)測值之間的“關(guān)系信息”進(jìn)行預(yù)測。實驗證明該網(wǎng)絡(luò)時間序列模型能夠在具有較少觀測數(shù)據(jù)的情況下取得良好的預(yù)測結(jié)果。在進(jìn)行單步預(yù)測,歷史數(shù)據(jù)較少時,與傳統(tǒng)的非平穩(wěn)自回歸滑動平均(ARIMA)模型、指數(shù)平滑模型、非線性神經(jīng)網(wǎng)絡(luò)模型對比,取得更好的預(yù)測效果。最后,該模型被應(yīng)用在臺灣證交所市值加權(quán)指數(shù)的現(xiàn)實數(shù)據(jù)預(yù)測中,同樣取得了良好的預(yù)測效果。由此,證明了該模型的有效性。
【關(guān)鍵詞】：時間序列預(yù)測 復(fù)雜網(wǎng)絡(luò) 可視圖 鏈路預(yù)測
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：O211.61
【目錄】：

• 摘要5-7
• ABSTRACT7-9
• 第一章 緒論9-13
• 1.1 時間序列研究背景及意義9
• 1.2 時間序列預(yù)測發(fā)展歷史簡述9-11
• 1.3 本文的主要工作11-12
• 1.4 論文組織結(jié)構(gòu)12-13
• 第二章 時間序列預(yù)測基本特性及基本模型13-19
• 2.1 時間序列預(yù)測基本特征13
• 2.2 時間序列預(yù)測基本模型13-18
• 2.2.1 移動平均法13-14
• 2.2.2 指數(shù)平滑法14
• 2.2.3 自回歸滑動平均模型14-15
• 2.2.4 非平穩(wěn)自回歸滑動平均模型15-17
• 2.2.5 基于神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測模型17-18
• 2.3 本章小結(jié)18-19
• 第三章 網(wǎng)絡(luò)的基礎(chǔ)理論與模型19-33
• 3.1 復(fù)雜網(wǎng)絡(luò)的概念19-21
• 3.1.1 系統(tǒng)和網(wǎng)絡(luò)19-20
• 3.1.2 復(fù)雜性20
• 3.1.3 復(fù)雜系統(tǒng)20-21
• 3.1.4 復(fù)雜網(wǎng)絡(luò)21
• 3.2 網(wǎng)絡(luò)的基本幾何特征21-25
• 3.2.1 平均距離21-22
• 3.2.2 度分布22-23
• 3.2.3 圖的基礎(chǔ)知識23-25
• 3.3 可視圖理論25-27
• 3.4 鏈路預(yù)測27-33
• 3.4.1 鏈路預(yù)測概念27-28
• 3.4.2 基于疊加的隨機(jī)游走的鏈路預(yù)測方法28-33
• 第四章 可視圖聚合算子33-41
• 4.1 可視圖聚合算子33-34
• 4.2 可視圖聚合算子性質(zhì)34
• 4.3 實驗與分析34-41
• 第五章 一種基于網(wǎng)絡(luò)的時間序列預(yù)測方法41-55
• 5.1 基于網(wǎng)絡(luò)的時間序列預(yù)測方法41-42
• 5.2 實驗與分析42-55
• 5.2.1 均方根誤差42-43
• 5.2.2 實驗一43-47
• 5.2.3 實驗二47-49
• 5.2.4 實驗三49-50
• 5.2.5 實驗四50-52
• 5.2.6 小結(jié)52-55
• 第六章 總結(jié)與展望55-57
• 6.1 總結(jié)55
• 6.2 展望55-57
• 參考文獻(xiàn)57-63
• 發(fā)表文章目錄63-65
• 致謝65

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 袁正中;;復(fù)雜網(wǎng)絡(luò)控制研究綜述[J];閩南師范大學(xué)學(xué)報(自然科學(xué)版);2014年04期

2 陳偉;周文;郎益夫;;基于集群創(chuàng)新合作網(wǎng)絡(luò)的知識創(chuàng)新與擴(kuò)散過程建模及仿真研究[J];運(yùn)籌與管理;2014年06期

3 趙宇哲;彭燕妮;匡海波;;生態(tài)學(xué)視角下的集裝箱海運(yùn)網(wǎng)絡(luò)適應(yīng)度BA模型[J];運(yùn)籌與管理;2014年06期

4 仇建平;陳立潮;潘理虎;;牽制控制下復(fù)雜網(wǎng)絡(luò)的同步性研究[J];智能系統(tǒng)學(xué)報;2014年06期

5 謝世娜;李川;;基于用戶復(fù)雜聯(lián)系的最大影響力節(jié)點發(fā)現(xiàn)算法[J];現(xiàn)代計算機(jī)(專業(yè)版);2015年03期

6 易龍;;復(fù)雜網(wǎng)絡(luò)環(huán)境下的信息路徑分析[J];新聞大學(xué);2015年03期

7 張永云;張生太;;社交媒體知識協(xié)作網(wǎng)絡(luò)中的明星效應(yīng)和經(jīng)紀(jì)人效應(yīng)——來自Wikipedia社交媒體的發(fā)現(xiàn)[J];現(xiàn)代圖書情報技術(shù);2015年04期

8 張明智;羅凱;吳曦;;空間信息網(wǎng)絡(luò)關(guān)鍵節(jié)點分析方法研究[J];系統(tǒng)仿真學(xué)報;2015年06期

9 于凱;榮莉莉;郭文強(qiáng);劉泉;顏克勝;;基于線上線下網(wǎng)絡(luò)的輿情傳播模型研究[J];管理評論;2015年08期

10 吳蘭平;袁正中;;網(wǎng)絡(luò)同步中節(jié)點重要性分析[J];閩南師范大學(xué)學(xué)報(自然科學(xué)版);2015年03期

  本文關(guān)鍵詞：基于網(wǎng)絡(luò)的時間序列預(yù)測，由筆耕文化傳播整理發(fā)布。

，

本文編號：328107