基于ARIMA与自适应过滤法的组合预测模型研究

作者:徐超;项薇;季孟忠;谢勇; 刊名:计算机应用与软件 上传者:刘冬梅

【摘要】时间序列预测是根据已有的历史数据的变化趋势预测未来的发展,广泛应用于经济、环境、医疗等领域的预测。为了能有效提高时间序列预测的精度,提出一种集成自回归综合移动平均(ARIMA)模型与自适应过滤法的组合预测模型。该组合强调ARIMA模型对时间序列数据特征识别与参数估计的优势,同时引入自适应过滤法的"权数"调整思想,对ARIMA模型的参数进行调整,以减少预测误差,提高预测精度。从时间序列数据库(TSDL)中选取13组不同规模涵盖四类典型时间序列类型的算例分别对组合预测和传统的ARIMA预测进行对比。结果表明:对于所有算例的短期预测,组合预测的预测精度较ARIMA模型提高了80%~99%,预测相对误差(PE)的标准差减小了60%~90%,预测趋势更加接近实际情况。当预测步长加长时,ARIMA模型预测误差呈线性增加,而组合模型的预测精度的变化率基本维持不变,验证了组合模型长期预测的有效性。

全文阅读

第 35 卷第 11 期 计算机应用与软件 Vol. 35 No. 11 2018 年 11 月 Computer Applications and Software Nov. 2018 基于 ARIMA 与自适应过滤法的组合预测模型研究 徐 超 项 薇* 季孟忠 谢 勇 ( 宁波大学机械工程与力学学院 浙江 宁波 315211) 收稿日期:2018 -05 -09。徐超,硕士生,主研领域: 工业工程。项薇,副教授。季孟忠,硕士生。谢勇,硕士生。 摘 要 时间序列预测是根据已有的历史数据的变化趋势预测未来的发展,广泛应用于经济、环境、医疗等领域的预测。为了能有效提高时间序列预测的精度,提出一种集成自回归综合移动平均( ARIMA) 模型与自适应过滤法的组合预测模型。该组合强调 ARIMA 模型对时间序列数据特征识别与参数估计的优势,同时引入自适应过滤法的“权数”调整思想,对 ARIMA 模型的参数进行调整,以减少预测误差,提高预测精度。从时间序列数据库( TSDL) 中选取 13 组不同规模涵盖四类典型时间序列类型的算例分别对组合预测和传统的 ARIMA 预测进行对比。结果表明:对于所有算例的短期预测,组合预测的预测精度较 ARIMA 模型提高了 80% ~ 99%,预测相对误差( PE) 的标准差减小了60% ~90%,预测趋势更加接近实际情况。当预测步长加长时,ARIMA 模型预测误差呈线性增加,而组合模型的预测精度的变化率基本维持不变,验证了组合模型长期预测的有效性。关键词 时间序列 ARIMA 模型 自适应过滤法 组合预测模型 中图分类号 TP399 文献标识码 A DOI:10. 3969/j. issn. 1000-386x. 2018. 11. 050 HYBRID FORECASTING MODEL BASED ON ARIMA AND SELF-ADAPTIVE FILTERING Xu Chao Xiang Wei* Ji Mengzhong Xie Yong ( Faculty of Mechanical Engineering and Mechanics,Ningbo University,Ningbo 315211,Zhejiang,China) Abstract Time series forecasting is to predict the future trend based on the variation trend of existing historical data,and is widely applied in several fields such as economy,environment,and healthcare. In this paper,a hybrid forecasting model based on the auto-regressive integrated moving average( ARIMA) model and the self-adaptive filtering method was presented to effectively improve the accuracy of time series prediction. It emphasized the advantage of ARIMA model for feature identification and parameter estimation of time series data.

参考文献

引证文献

问答

我要提问