基于小波包分析的组合模型的专利申请量预测

运用小波包多分辨分解和重构技术,将专利申请量时间序列分解为同尺度的趋势项、季节项、循环项和不规则项等四项内在规律项,再把分解后的四项进行单支重构,针对重构各项的统计特征分别采用ARIMA和ARMA不同模型进行建模预测,最后根据各项预测结果计算出专利申请量的预测值。通过对分类号为A61B专利申请量的分析和验证,表明基于小波包分析的组合预测模型比传统单一预测模型的预测精度更高。