相关系数MA(q)序列分析方法

提出相关系数MA(q)序列分析方法。相关系数MA(q)序列是从非平稳随机序列中分离出的工程上常见且便于研究的一类时间序列 ,其均值和方差都可随时间变化 ,与传统的均值和方差为常数的相关函数MA(q)序列相比 ,它能够更好地描述工程中的时间序列。文中建立相关系数MA(q)序列的条件极大似然估计和精确极大似然估计 ,前者在样本较大时简单且便于工程应用 ,后者则在样本较小时仍具有较高的精度。它们通过时域的全程分析 ,能够充分利用样本信息确定相关系数MA(q)序列的均值函数、方差函数和相关系数函数。在此基础上可以进行高精度的频谱分析。

相关系数ARMA(p,q)序列分析方法

本文提出相关系数ARMA(p,q)序列分析方法。相关系数ARMA(p,q)序列是从非平稳序列中分离出的一类工程上常见且便于研究的时间序列,在模式识别、故障诊断、信号处理、自动控制和结构响应分析等领域有着广泛的应用。传统的相关函数ARMA(p,q)序列仅是它的一个特例。文中建立了相关系数ARMA(p,q)序列的条件极大似然估计和精确极大似然估计,前者在样本较大时简单便于工程应用,后者则在样本较小时仍具有较高的精度,它们通过时域的全程分析,充分利用样本信息确定相关系数ARMA(p,q)序列的均值函数、方差函数和相关系数函数。在此基础上可进行高精度的频谱分析。

相关系数平稳序列滤波、预测和平滑

相关系数平稳序列是从非平稳序列中分离出来的一类工程实际中常见且便于研究的随机序列 ,文中首先给出相关系数AR(p)、MA(q)和ARMA(p ,q)序列可直接测得情况下的预测公式 ,然后在测量噪声独立和相关两种情况下分别讨论相关系数平稳序列不可直接测得时的滤波、预测和平滑问题。文中方法能够对均值和方差都随时间变化的相关系数平稳序列或信号进行高精度的分析和处理 ,可广泛应用于通信、自动控制、结构响应分析和故障诊断等领域。

广西GDP的时间序列模型的建立与实证分析

综合运用了判别时间序列平稳性的方法,利用单位根方法检验时间序列的差分阶数;利用自相关函数图和偏相关函数图判别时间序列模型的自回归阶数(AR(p))和滑动平均阶数(MA(q)),建立广西GDP的时间序列模型.再利用TSP软件采用OLS法对时间序列模型进行回归分析与显著性检验,并对通过检验的回归结果进行分析与预测.