动态时间序列周期分析预测模型

摘要

该文首先介绍了中国控制论专家韩志刚先生运用控制理论中的系统辨识方法提供的一种预测理论--多层递阶方法.多层递阶方法摒弃了一般统计预测方法中所使用的固定参数预测模型,而将预测对象看成是随机动态的时变系统,把时变系统的状态预测分离成为对时变参数的预测和在此基础上对系统状态的预测两部分,对时变参数的预测导致状态预测误差的减小.时间序列的周期分析是现代统计预测学中的一个重要分支,而多层递阶方法无论从理论角度还是从应用角度来讲都是目前描述动态系统的一种比较理想的统计方法.因此该文提出了动态时间序列周期分析预测模型,它是将多层递阶方法与逐步回归周期分析的基本原理相结合,使之既可以有效地选取时间序列的各个隐含周期,也可以利用所选取的隐含周期作较长的时间预测.

目录

文摘

英文文摘

第1章绪论

1.1引言

1.2什么是数据库知识发现KDD

1.3数据库知识发现的步骤

1.4数据挖掘的任务

1.5数据挖掘技术演变

1.6数据挖掘的应用

1.7主要研究内容

1.8论文组织

第2章资料的整理

2.1资料的表示

2.2基本统计量

2.3统计量的分布检验

2.3.1变量的分布检验

2.3.2相关系数的检验

2.4小结

第3章时变参数的辨识标准及其估计算法

3.1时变参数的辨识标准及其估计算法

3.2小结

第4章多层递阶建模

4.1时间序列的多层分析

4.2线性单输出系统预测模型

4.3线性单输出系统预测模型中的因子预处理

4.3.1距平化处理

4.3.2极差化处理

4.3.3标准化变量

4.4小结

第5章多层递阶回归分析

5.1建模思路

5.2回归分析的方法要点

5.2.1回归方程的建立

5.2.2回归方程的显著性检验

5.3基本数学模型

5.4建模步骤

5.5小结

第6章多层递阶周期分析

6.1基本原理

6.2均值生成函数

6.3基本数学模型

6.4隐含周期的分离

6.5建模方法

6.6实例计算分析

6.7小结

第7章结束语

参考文献

致谢