季節(jié)性時(shí)間序列的預(yù)測模型研究.pdf

1、由于季節(jié)變化、風(fēng)俗習(xí)慣等因素的影響,許多商業(yè)和經(jīng)濟(jì)時(shí)間序列呈現(xiàn)出周期性的波動,如:空調(diào)銷售量的月度數(shù)據(jù)、全國旅客量的月度數(shù)據(jù)等。該類季節(jié)性時(shí)間序列的準(zhǔn)確預(yù)測,對市場營銷,生產(chǎn)計(jì)劃、運(yùn)輸調(diào)度等都起著極其重要的作用。季節(jié)周期項(xiàng)是季節(jié)性時(shí)間序列的核心,是季節(jié)性時(shí)間序列預(yù)測的關(guān)鍵部分,由于其具有高度復(fù)雜的非線性特征,多步預(yù)測的難度較大,直接影響著季節(jié)性時(shí)間序列的預(yù)測精度,因此,研究周期項(xiàng)的特征,把握周期項(xiàng)預(yù)測,對建立準(zhǔn)確的季節(jié)性時(shí)間序列預(yù)測模型

2、具有重要理論意義和實(shí)用價(jià)值。
　　 本文從周期項(xiàng)預(yù)測的角度出發(fā),分析了周期項(xiàng)特性及預(yù)測的難點(diǎn),并針對其多步預(yù)測精度低的問題,提出一種周期項(xiàng)重構(gòu)法,把多步預(yù)測轉(zhuǎn)化為單步預(yù)測;再采取兩種不同思路分別對單步預(yù)測序列建模預(yù)測:一種是總體預(yù)測,即建立BP神經(jīng)網(wǎng)絡(luò)模型和ARIMA模型的組合模型,并采用粒子群優(yōu)化算法動態(tài)確定組合模型中的最優(yōu)權(quán)重,用該組合模型預(yù)測周期項(xiàng);另一種是個(gè)體預(yù)測,即針對每個(gè)單步預(yù)測序列具有的不同特征,提出一種預(yù)測方法選

3、擇策略,為每個(gè)單步預(yù)測序列選擇一個(gè)最合適的預(yù)測方法,然后利用選擇的方法建模預(yù)測周期項(xiàng)。然后結(jié)合灰色預(yù)測模型對周期項(xiàng)的預(yù)測值,建立了季節(jié)性時(shí)間序列的整體預(yù)測模型,最后,分別通過實(shí)驗(yàn)測試了周期項(xiàng)的這兩種處理方法對季節(jié)性時(shí)間序列整體預(yù)測模型的影響,并對他們進(jìn)行了比較分析。
　　 上述研究系統(tǒng)地探索了季節(jié)性時(shí)間序列中的難點(diǎn)問題,避免了周期項(xiàng)多步預(yù)測中的誤差迭代積累,有效的處理了時(shí)間序列周期項(xiàng)中的非線性問題,提高了季節(jié)性時(shí)間序列的預(yù)測精度