首页> 中文期刊> 《计算机应用与软件》 >基于ARIMA与自适应过滤法的组合预测模型研究

基于ARIMA与自适应过滤法的组合预测模型研究

         

摘要

时间序列预测是根据已有的历史数据的变化趋势预测未来的发展,广泛应用于经济、环境、医疗等领域的预测.为了能有效提高时间序列预测的精度,提出一种集成自回归综合移动平均(ARIMA)模型与自适应过滤法的组合预测模型.该组合强调ARIMA模型对时间序列数据特征识别与参数估计的优势,同时引入自适应过滤法的“权数”调整思想,对ARIMA模型的参数进行调整,以减少预测误差,提高预测精度.从时间序列数据库(TSDL)中选取13组不同规模涵盖四类典型时间序列类型的算例分别对组合预测和传统的ARIMA预测进行对比.结果 表明:对于所有算例的短期预测,组合预测的预测精度较ARIMA模型提高了80% ~ 99%,预测相对误差(PE)的标准差减小了60% ~ 90%,预测趋势更加接近实际情况.当预测步长加长时,ARIMA模型预测误差呈线性增加,而组合模型的预测精度的变化率基本维持不变,验证了组合模型长期预测的有效性.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号