非线性时间序列建模的混合自回归滑动平均模型

提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.

产品需求量非平稳时序的ANN-ARMA预测模型

针对基于非平稳时序的产品需求量预测方法存在的问题,研究了人工神经网络(ANN)与自回归滑动平均(ARMA)模型的集成建模与预测方法.产品需求量的非平稳时序可分解为确定项和随机项两个部分,用人工神经网络模型拟合确定项,以表示非平稳的变化趋势;用自回归滑动平均模型拟合随机项,以表示平稳的随机成分.将两个模型的预测值之和作为产品需求量的优化预测值.仿真结果表明,集成模型的预测精度高于单一的人工神经网络模型.

非平稳时序分析在GPS伪距观测值建模中的应用

伪距观测值的仿真建模在GPS系统分析、误差消减等方面有很广泛的应用,原有的一些建模方法得到的仿真结果误差不能满足特定应用的需要。为此,提出了一种利用非平稳时间序列分析的方法,以达到减小仿真误差的目的。该方法通过对实际采集的GPS伪距数据的特征进行分析,采用自回归-求和-滑动平均(ARIMA)模型建模,并运用逆函数法对模型参数进行估计,最后通过Matlab编程进行了仿真,仿真结果表明利用该统计模型得到的仿真伪距与实际测量值的误差不超过3米,得到了较为满意的效果。

非平稳和长记忆时间序列主频率估计方法研究

许多经济时间序列表现出非平稳性和长记忆性,对这样的序列进行谱分析并估计其主频率,采用传统的谱分析方法已不适用.基于平稳和非平稳分数阶差分自回归滑动平均模型,研究了具有非平稳性和长记忆性序列的主频率的估计方法,同时提出了包括模型定阶在内的基于极小化残差平方和的近似极大似然参数估计算法.通过对上海和深圳证券交易所综合指数收益序列的分析,说明了此方法的可行性和有效性.

基于小波变换的非平稳信号趋势项剔除方法

分析了空间飞行器遥测信号处理传统趋势项剔除方法的优势和不足,提出了基于小波变换的非平稳信号趋势项剔除方法.这种方法通过滤波器组将信号分解与重构,实现趋向性信号与零均值平稳随机信号的分离.仿真实验表明,该方法简单、高效,适用于非平稳随机信号的处理,是一种实用的趋势项剔除方法.

混合自回归滑动平均模型——MARMA

提出一类新的用于非线性时间序列建模的混合自回归滑动平均模型(Mixture autoregressive movingaverage model简记MARMA).该模型条件分布富于变化的特点使得它能够描述非对称、多峰、以及条件异方差等非Gauss特征.研究得到了MARMA模型的平稳性条件和自相关函数.利用BIC(Bayes informationcriterion)准则来选择模型.运用EM(expectation maximization)算法估计模型的参数.将MARMA模型应用于一组金融数据,并和其它模型做比较.结果表明MARMA模型能够更准确地描述该数据的特征.

φ-混合序列滑动和过程回归模型的相合性

在误差为φ-混合序列的滑动和过程下,研究了其回归模型估计量的相合性问题。在一般的条件下,利用Cr不等式、Jensen不等式、Ho¨lder不等式、φ-混合序列的矩不等式及其权函数的一些性质,给出了此回归模型估计量的q-阶平均相合性和一致q-阶平均相合性,推广了已获得的部分结果。

西江流域硝酸盐氮输出规律研究

以西江流域为研究对象,研究流域出口断面硝酸盐氮浓度时间变化规律,采用非平稳时间序列分析方法,分析流域系统行为对氮输出的影响,结果发现:西江硝酸盐氮浓度存在线性增加的确定性趋势,其季节增加量最大值出现在每年5月,与降雨季节增加量最大值时间基本一致,表明降雨造成的地表冲刷、土壤侵蚀以及5月施加的氮肥量大,是造成流域硝酸盐氮输出增大的主要原因。对西江高要断面输出的硝酸盐氮浓度建立了非平稳自回归-滑动平均混合模型,即ARIMA(1,0,1)(2,1,1)12模型,模型通过了高要站硝酸盐氮浓度实测数据的验证,利用模型,预测了西江硝酸盐氮输出的时间变化规律。

基于ARIMA的输电线路容量分析及预测

在动态提高输电线路输送容量系统中,线路可传输容量进行短期的预测对制定电力系统调度计划有重要意义。为此,对线路容量时间序列进行分析,利用自相关函数ACF方法验证了线路容量为非平稳时间序列。采用ARIMA(auto-regressive integrated moving average)建模方法对输电线路容量数据先差分平稳化预处理,然后选择AIC准则进行模型识别和参数估计,最后应用ARIMA模型做出短期容量预测。实际系统中应用证明了该方法的适用性和准确性。

阶跃型位移特征滑坡的预测预报研究

针对以往滑坡预测预报模型对于阶跃型变形特征滑坡破坏时间预测精度较低的缺点,需建立以位移作为目标函数来反映滑坡位移变化规律的预测模型。基于时间序列分析方法将滑坡位移分解为趋势项位移和波动项位移,并采用移动平均法分离趋势项位移和波动项位移。然后分别采用多项式拟合和自回归滑动平均(ARMA)模型对滑坡趋势项位移和波动项位移进行预测,最后叠加两个位移分量得到总位移预测值。将此方法应用于三峡库区某典型阶跃型变形特征滑坡,预测值曲线与总位移观测值曲线基本吻合,较好地反映了滑坡阶跃型的演化特征,表明该模型预测阶跃型变形特征滑坡位移精度较高。且该方法计算原理清晰明确,计算过程容易实现,具有较强的工程实用性。