| 摘要 |
本发明系一种用以提高计算机硬体计算交叉共变异函数(Cross-Covariance Function,CCF)与自我共变异函数(Autocovariance Function,ACF)计算速度的演算方法。「交叉共变异函数(Cross-Covariance Function,CCF)」与「自我共变异函数(Autocovariance Function,ACF)」是时间序列资料分析中最基本也是最重要的计算。根据McCullough(1999)指出，现有的演算法都有无法同时兼顾数值计算精确与即时更新(updating)的缺点。本发明提出一个以连续差分为基础的新计算方法，这个计算方法是利用本发明所提出的加权系数值来做计算，就可以不需要计算平均数而直接计算出ACF与CCF。将本发明所提的加权系数做进一步分解后，更进一步的推导出一个可递回又可即时更新计算的方法。本发明所提新方法的计算精确度，以StRD资料集和SAS ver9.0的PROC ARIMA做比较，结果显示，本发明所提演算法的计算精确度会优于SAS ver9.0的计算结果。本发明所提演算法除了能有计算精确度高的优点外，亦改善了过去CCF和ACF演算法需要先确定资料笔数，以及不能即时更新(updating)的缺点。 |
