本文介绍了如何使用MATLAB进行周期性时间序列预测，包括时间序列的基本概念、变动特点、特征识别、预测类型和基本步骤。重点讨论了随机时间序列中的自回归AR(p)和移动平均MA(q)模型，强调了模型选择和平稳性的重要性。
3.3时间序列分析 3.3.1时间序列概述 1. 基本概念 1一般概念：系统中某一变量的观测值按时间顺序时间间隔相同排列成一个数值序列，展示研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。
它是系统中某一变量受其它各种因素影响的总结果。
2研究实质：通过处理预测目标本身的时间序列数据，获得事物随时间过程的演变特性与规律，进而预测事物的未来发展。
它不研究事物之间相互依存的因果关系。
3假设基础：惯性原则。
即在一定条件下，被预测事物的过去变化趋势会延续到未来。
暗示着历史数据存在着某些信息，利用它们可以解释与预测时间序列的现在和未来。
近大远小原理时间越近的数据影响力越大和无季节性、无趋势性、线性、常数方差等。
4研究意义：许多经济、金融、商业等方面的数据都是时间序列数据。
时间序列的预测和评估技术相对完善，其预测情景相对明确。
尤其关注预测目标可用数据的数量和质量，即时间序列的长度和预测的频率。
2. 变动特点 1趋势性：某个变量随着时间进展或自变量变化，呈现一种比较缓慢而长期的持续上升、下降、停留的同性质变动趋向，但变动幅度可能不等。
2周期性：某因素由于外部影响随着自然季节的交替出现高峰与低谷的规律。
3随机性：个别为随机变动，整体呈统计规律。
4综合性：实际变化情况一般是几种变动的叠加或组合。
预测时一般设法过滤除去不规则变动，突出反映趋势性和周期性变动。
3. 特征识别 认识时间序列所具有的变动特征，以便在系统预测时选择采用不同的方法。
1随机性：均匀分布
最低0.47元/天 解锁文章
扫一扫
1440
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
