| 主权项 |
基于ITD和时间序列分析的计量误差计算方法，其特征在于包括以下步骤：A、将计量误差历史时间序列x(t)利用ITD法分解成n个旋转分量x<sub>R1</sub>(t),x<sub>R2</sub>(t),…,x<sub>Rn</sub>(t)和1个趋势分量x<sub>T</sub>(t)；B、分别建立n个旋转分量x<sub>R1</sub>(t),x<sub>R2</sub>(t),…,x<sub>Rn</sub>(t)的ARIMA预测子模型M<sub>R1</sub>,M<sub>R2</sub>,…,M<sub>Rn</sub>，x<sub>Rn</sub>(t)的ARIMA(p,d,q)模型为：<img file="FDA0001060048920000011.GIF" wi="767" he="79" />式中：(1‑z<sup>‑1</sup>)<sup>d</sup>为d次差分运算算子，通过计算得到旋转分量模型系数<img file="FDA0001060048920000012.GIF" wi="87" he="46" />和θ<sub>Rnj</sub>，i＝1,2,…,p和j＝1,2,…,q；C、建立趋势分量x<sub>T</sub>(t)的ARMA预测子模型M<sub>T</sub>，x<sub>T</sub>(t)的ARMA(p,q)模型为：<img file="FDA0001060048920000013.GIF" wi="917" he="239" />式中：z<sup>‑i</sup>为单位延时算子，<img file="FDA0001060048920000014.GIF" wi="138" he="71" />和<img file="FDA0001060048920000015.GIF" wi="47" he="47" />为自回归函数(p阶)和系数，θ<sub>q</sub>(z<sup>‑1</sup>)和θ<sub>j</sub>为滑动平均函数(q阶)和系数，ε(t)为白噪声时间序列，通过计算得到趋势分量模型系数<img file="FDA0001060048920000016.GIF" wi="67" he="46" />和θ<sub>Tj</sub>，i＝1,2,…,p和j＝1,2,…,q；D、利用如下公式计算分别计算趋势分量和旋转分量在τ＝t+1,t+2,…时刻的预测值，具体公式如下所述：<img file="FDA0001060048920000017.GIF" wi="799" he="137" /><img file="FDA0001060048920000018.GIF" wi="1006" he="439" />E、将计算得到的趋势分量预测值和旋转分量值预测值叠加，得到τ时刻误差预测值x(τ)，所述<img file="FDA0001060048920000019.GIF" wi="497" he="128" /> |
