时间序列建模、预报的原理与应用实例

辽宁师范大学硕士学位论文时间序列建模、预报的原理与应用实例姓名：盖玲申请学位级别：硕士专业：应用数学（应用统计）指导教师：杨启昌;沈正维20040501时间序列建模、预报的原理与应用实例作者：盖玲学位授予单位：辽宁师范大学相似文献(10条)1.期刊论文孙宏磊.刘伟达.SunHonglei.LiuWeida基于C语言的平稳时间序列线性模型识别的数值解法分析-哈尔滨师范大学自然科学学报2007,23(4)从基本概念出发介绍平稳时间序列线性模型的相关内容,并结合数值分析的经典算法,利用C语言实现了平稳时间序列线性模型识别的数值解法.这种方法运算效率较高,在工程实践中移植性较强,对进一步研究平稳时间序列的线性模型有较大意义.2.学位论文袁立宇半平稳序列及其相关性分析2006谱分析是时间序列分析中的有力工具，尤其是在相关性和因果关系分析之中。但是传统谱分析的前提要求就是时间序列必须平稳，而实际情况中往往不能够满足平稳的条件。于是越来越多的非平稳模型开始被讨论，除了常见的ARIMA、ARCH和GARCH等模型外，还有很多非平稳时间序列是从谱的角度出发和定义的，这样的时间序列具有更好的谱域特性。本文首先回顾了几种这样定义的非平稳时间序列模型，主要关注对非平稳时间序列谱的定义和处理。接着介绍了M.B.Priestley于[3]中引出的震荡时间序列中的半平稳时间序列(semi-stationaryprocess)，特别是半平稳时间序列的演化谱的定义和性质。在平稳时间序列的相关性分析中，作为处理多元平稳时间序列的一种可视化结构分析工具，Brillinger(1996)和Dahlhaus(1996)分别独立地介绍了图模型(graphicalmodels)的方法，来研究不同平稳时间序列之间的相关性。本文创新性地将相关性分析和图模型的方法推广到了半平稳时间序列。分析了半平稳时间序列间的预测和相关性问题，并讨论了一类特殊的半平稳时间序列，得到了这类半平稳时间序列和某些平稳时间序列具有相同相关性的结论。还给出了判断半平稳序列的相关性及对其建立图模型的方法。最后利用模型对真实经济数据进行了分析并得到了较好的结果。3.期刊论文张均东.任光.ZHANGJundong.RENGuang平稳随机时间序列的状态空间建模-大连海事大学学报1999,25(1)在已知平稳随机时间序列样本数据的情况下,论述了如何采用正交投影算法和正交奇异值算法建立随机时间序列的状态空间模型和状态矢量估计,这种数学建模方法对于船舶机舱中的系统数学建模有很大的帮助.4.学位论文李睿右删失数据下时间序列的参数估计、补值及预报2006在生存分析、医学统计、可靠性寿命试验等许多实际问题中，经常会出现右删失数据。已经有很多文章对于右删失数据的处理作了大量的研究，然而大多数文章都只研究{Xt}，{Yt}为独立同分布(i.i.d)序列时的情况。在时间序列分析中也存在着许多右删失数据，它们往往有着很强的实际应用背景，比如，在大型连锁公司对各分支店中的商品进行库存量调整时就会出现这种数据。这时的右删失数据比{Xt}，{Yt}为i.i.d序列时的右删失数据分析起来要复杂许多。目前，关于这方面的研究结果还很少。本文将重点讨论时间序列中右删失数据的统计分析问题。首先，在序列{Xt}的噪声项分布未知时，本文给出右删失数据下AR，ARMA过程的参数估计。然后，本文在序列{Xt}的噪声项分布形式已知时给出右删失数据下AR，ARMA过程的参数估计、补值和预报。本文的后一部分是数据模拟和讨论右删失数据下的季节ARMA序列的一个实例应用。5.期刊论文黄健.张明善.沙立文.HUANGJian.ZHANGMing-shan.O'SULLIVANFinbarr漏缺数据平稳时间序列下的谱密度估计-西南民族大学学报（自然科学版）2006,32(1)在天文学和医学领域,非均匀抽样数据的谱什计已获得广泛研究.这些研究通常是在周期性的探测和决定性的信号环境里进行的.本文从另外的角度考虑估计漏缺数据平稳时间序列的谱密度,提出了一种渐近无偏的估计方法.使用模拟方法把它与古典周期图、LOMB周期图以及基于SVD的周期图进行对比,结果显示这种新方法很大程度上降低了偏差.6.学位论文栾惠德含有结构突变的单位根检验及对我国外贸时间序列的实证分析2005大多数宏观时间序列都表现出随时间增长的长期模式，不具有恒定均值，即非平稳。无论对于理论研究还是应用研究，一个重要问题是判断这种观测到的非平稳性、即增长趋势，是随机的还是确定性的，从而对变量的潜在数据生成过程作出合理判定。如果时间序列中含有单位根(并带有非零漂移项)，则趋势是随机的，是由随机新息累加所得到的，每一随机新息对该序列的未来运动轨迹都具有持久的效应。如果序列中不含单位根，则这种非平稳性可以用围绕确定性时间趋势的随机波动来表示，随机新息只对序列的历史运动轨迹具有暂时性的影响。因此，进行经济时间序列的研究，首先要进行单位根检验。然而，常规的单位根检验方法没有考虑到时间序列发生结构突变的情况。如果经济序列是带有结构突变的趋势平稳过程，却被错误判断为单位根过程，进而进行差分处理或者协整分析，就可能得出错误的结论。本文首先比较系统地总结了有关结构突变单位根检验的理论、方法和模型，结合国际上已有的研究结论，认为模型中所考虑的突变点的个数、突变的形式和检验程序中具体参数的选取原则等都会对检验结论产生重要影响，因此如何适当选取和正确设定这些检验模型是一个关键性问题。本文对此进行了探索性的研究，借助蒙特卡洛仿真模拟技术，得到相应的检验项的实际分布，在此基础上，按照从一般到特殊的原则，就可以对模型作出合理的设定。随后，本文综合运用这些检验模型对我国外贸时间序列进行了实证分析。针对该变量的数据特征，给出了模拟得到的、特定约束模型的检验临界值，在此基础上并结合历史背景，在较高的置信水平上，判定我国外贸变量均服从1960年前后发生均值突变、1970年前后发生趋势突变的确定性趋势平稳过程，而不是单整I(1)随机趋势过程。该结论为政府的经济政策制定提供了有力的理论依据。最后，在前面检验结论的基础上，为我国外贸变量建立了带有结构突变的动态分布滞后预测模型，并进行了短期的外推预测。7.期刊论文王飞凤.刘铸飘平稳时间序列在始兴前汛期及年降雨量预报中的应用-沿海企业与科技2009,(7)文章根据1965～2004年共40年始兴气象站的实测历史资料,利用概率统计学中单要素线性预报方法的基本思路,对实况数据时间序列进行分析,从而建立单站全年及前汛期降雨量的教学预报模型.8.学位论文谭明忠经济时间序列的ARMA模型预测方法论及应用研究1999该文研究对象是随机经济时间序列的建模问题,用已建模型对经济过程的数量表征进行趋势外堆,以此预测经济现象的未来.文章首先讨论了有关预测的基本范畴,经济领域中时间序列的数字特征及统计特性,其中,重点分析了经济序列自相关函数和偏自相关函数的估计及其性质,并在理论上详细分析了经济领域中观察记录的样本序列的平稳性及非平稳序列的平稳化处理过程.其中包括奇异点的识别及处理,样本均值、方差非平稳的处理,样本序列中周期信号的提取等.接着分析了平稳时间序列AR(p)、MA(q)、ARMA(p,q)模型的有关统计特性,其中重点讨论了各种模型参数估计的性质及其算法,并设计了模型识别、模型参数估计及模型检验的各种迭代算法的计算机编程步骤,最后以此设计了经济时间序列ARMA模型预测的计算机应用程序,程序采用机构化设计,随之结合有关案例进行了实证分析.9.期刊论文李志芬.张家权平稳时间序列法的分析和应用-东北水利水电2001,19(3)由于水文预报的方法比较多,预报成果因河流特性也不尽相同,本文就关于平稳时间序列法在本溪水文站的应用做出理论分析和应用.10.学位论文毛瑞华时间序列建模中的随机单位根检验2005经典的ADF检验和P-P检验方法解决了误差为弱平稳或强混合平稳的时间序列数据的单位根检验，在这些检验中都假设时间序列过程的单位根是确定性的，但实际的金融时间序列数据分析表明数据的生成过程是否含单位根可能有一定的随机性。关于随机单位根及其检验，现有的文献中的模型多是建立在误差为正态分布的基础上。由于时间序列数据，特别是金融时间序列数据，大多数都是不服从于正态分布，为了使我们所建立的模型具有更好的适用性，我们将时间序列数据的误差过程扩展到广义误差分布过程，并用参数的MLE估计量构造了相应的统计量，获得了对应的极限分布。当广义误差分布的参数v=2时，其分布即是正态分布；另外，实际的金融数据分析已经发现大多数的金融数据呈现出厚尾现象，而当广义误差分布的参数满足0＜v＜2时，其分布正好是比正态分布的尾部更厚的分布，因此我们的分析具有更加重要的意义，适用的范围也更为广泛。　　本文内容安排为：在第一章中引入了随机单位根过程及其模型；第二章列出了一些预备知识，并回顾了经典单位根过程检验方法；第三章分析了随机单位根过程及其检验，其主要内容是在广义误差分布条件下讨论随机单位根模型的检验和估计问题。引证文献(2条)1.郑加柱.光辉顾及开挖深度的卡尔曼滤波模型在基坑变形分析中的应用[期刊论文]-测绘通报2009(5)2.仲维政.周晓光.龚珑聪AR(p)模型在地下水动态预报中的应用——以石羊河流域平原区为例[期刊论文]-中国农村水利水电2008(12)本文链接：授权使用：上海海洋大学图书馆(shhydxtsg)，授权号：fcdf3bb3-3438-490c-b84d-9e64012742f9下载时间：2011年1月7日