发明名称 | 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R<sup>2</sup>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。 | ||
申请公布号 | CN104182800A | 申请公布日期 | 2014.12.03 |
申请号 | CN201310189264.1 | 申请日期 | 2013.05.21 |
申请人 | 中国农业科学院棉花研究所 | 发明人 | 魏晓文;雷亚平 |
分类号 | G06Q10/04(2012.01)I | 主分类号 | G06Q10/04(2012.01)I |
代理机构 | 北京市盛峰律师事务所 11337 | 代理人 | 赵建刚 |
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R<sup>2</sup>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R<sup>2</sup>最大的趋势模型称为最佳趋势模型,表达式为Y<sub>t</sub>=f(X);其中,R<sup>2</sup>为可决系数,反映模型拟合程度;Y<sub>t</sub>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<sub>i</sub>),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<sub>t</sub>=f(X)+W(T<sub>i</sub>) 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Y<sub>1</sub>、Y<sub>2</sub>…Y<sub>N</sub>;分别计算Y<sub>1</sub>、Y<sub>2</sub>…Y<sub>N</sub>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T<sub>1</sub>、T<sub>2</sub>…T<sub>z</sub>;S6,将z个周期长度代入式一,得到式二:Y<sub>t</sub>=f(X)+W(T<sub>1</sub>)+W(T<sub>2</sub>)…W(T<sub>z</sub>); 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。 | ||
地址 | 455000 河南省安阳市白璧镇 |