基于趋势和周期波动的时间序列的智能预测方法

摘要

本发明提供一种基于趋势和周期波动的时间序列的智能预测方法，包括：计算待预测的原始时间序列，分离该序列的波动分量和趋势分量；对于所述趋势分量，通过回归计算在所述趋势模型库中自动选取R²最大的趋势模型；根据和角公式将所述波动分量转化为周期变量，将所述周期变量加入所述最佳趋势模型；以可决系数最大化原则自动选取最大影响作用的z个周期长度，将z个周期长度代入包含周期变量的最佳趋势模型，得到最终完整模型；通过最终完整模型对所述原始时间序列进行运算，确定具体模型参数，从而预测所述原始时间序列的变化趋势。本发明通过预测处理的自动化，以及预测模型的趋势分量和波动分量的组合化，从而具有预测智能度和精度高的优点。

主权项

一种基于趋势和周期波动的时间序列的智能预测方法，其特征在于，包括以下步骤：S1，建立趋势模型库；所述趋势模型库中存储三类趋势模型，即：线性趋势模型、非线性趋势模型和自适应趋势模型；每一类趋势模型包括若干个具体的趋势模型；S2，读取待预测的原始时间序列，对所述原始时间序列进行计算，分离所述原始时间序列的波动分量和趋势分量；S3，对于所述趋势分量，通过回归计算在所述趋势模型库中自动选取R²最大的趋势模型；其中，所述原始时间序列由N组原始观测数据组成；所述R²最大的趋势模型称为最佳趋势模型，表达式为Y_t＝f(X)；其中，R²为可决系数，反映模型拟合程度；Y_t为模型的因变量，X为模型的自变量；t为原始观测数据的组编号；S4，根据和角公式将所述波动分量转化为周期变量W(T_i)，将所述周期变量加入所述最佳趋势模型，得到式一所示的第一模型；Y_t＝f(X)+W(T_i)    式一；S5，设所述原始时间序列的周期长度T分别取值1、2…N；则将T的N个取值分别代入第一模型，得到Y₁、Y₂…Y_N；分别计算Y₁、Y₂…Y_N的可决系数，得到N个可决系数；以可决系数最大化原则自动选取最大影响作用的z个周期长度；设z个周期长度分别表示为T₁、T₂…T_z；S6，将z个周期长度代入式一，得到式二：Y_t＝f(X)+W(T₁)+W(T₂)…W(T_z)；    式二S7，以式二所示模型为最终完整模型，通过最终完整模型对所述原始时间序列进行运算，确定具体模型参数，从而预测所述原始时间序列的变化趋势。