2024美赛数学建模常用数学建模模型之——时间序列模型

 七、平稳时间序列模型

  这里的平稳是指宽平稳，其特性是序列的统计特性不随时间的平移而变化，即均 值和协方差不随时间的平移而变化。

下面自回归模型（Auto Regressive Model）简称 AR 模型， 移动平均模型（Moving Average Model）简称 MA 模型， 自回归移动平均模型（Auto Regressive Moving Average Model）简称 ARMA 模型。下面的Xt  为零均值（即中心化处理的）平稳序列。

（1）一般自回归模型 AR( n )

八、ARMA 模型的特性

        在时间序列的时域分析中，线性差分方程是极为有效的工具。事实上，任何一个 ARMA 模型都是一个线性差分方程。

   8.1 AR(1)系统的格林函数

格林函数就是描述系统记忆扰动程度的函数。

8.2 ARMA(2,1) 系统的格林函数

（ 1 ） ARMA(2,1) 系统的格林函数的隐式

ARMA(2,1) 模型是一个二阶非齐次差分方程

8.3 逆函数和可逆性

九、时间序列建模的基本步骤

上面我们介绍了时间序列的一些基本概念，下面我们初步给出时间序列建模的基

本步骤，有兴趣的读者可以去查阅相关的参考资料。

时间序列建模的基本步骤如下：

1 ．数据的预处理：数据的剔取及提取趋势项。

2 ．取 n = 1 ，拟合 ARMA(2 n ,2 n − 1) （即 ARMA(2,1) ）模型