时间序列分析实验报告
基于matlab的时间序列分析在实际问题中的应用 时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题。时间序列分析不仅可以从数量上揭示某一现象的发展变化规律或从动态的角度刻画某一现象和其他现象之间的内在的数量关系及其变化规律性,而且运用时间序列模型可以预测和控制现象的未来行为,以达到修正或重新设计系统使其达到最优状态。 时间序列是指观察或记录到的一组按时间顺序排列的数据。如某段时间内。某类产品产量的统计数据,某企业产品销售量,利润,成本的历史统计数据;某地区人均收入的历史统计数据等实际数据的时间序列。展示了研究对象在一定时期内的发展变化过程。可以从中分析寻找出其变化特征,趋势和发展规律的预测信息。时间序列预测方法的用途广泛,它的基本思路是,分析时间序列的变化特征,选择适当的模型形式和模型参数以建立预测模型,利用模型进行趋势外推预测,最后对模型预测值进行评价和修正从而得到预测结果。目前最常用的拟合平稳序列模型是ARMA模型,其中AR和MA模型可以看成它的特例。 一.时间序列的分析及建模步骤 (1) 判断序列平稳性, 若平稳转到(3),否则转到(2)。 平稳性检验是动态数据处理的必要前提,因为时间序列算法的处理对象是平稳性的数据序列,若数据序列为非平稳,则计算结果将会出错。在实际应用中,如某地区的GDP,某公司的销售额等时间序列可能是非平稳的,它们在整体上随着时间的推移而增长,其均值随时间变化而变化。通常将GDP等非平稳序列作差分或预处理。所以获得一个时间序列之后,要对其进行分析预测,首先要保