时序数据的非线性最小二乘迭代分解算法

摘要

从时序数据中精确地分解出趋势、周期及随机噪声等数据成分,能有助于人们掌握事物在演变过程中所蕴藏的内在规律.基于非线性最小二乘法,提出一种性能更为高效的时序数据分解算法.首先,基于关键转折点和趋势导数的方法从待分解序列中概要地析出各种不同的数据成分,然后,分别利用多项式函数、正弦谐波级数及自回归模型对相应的数据成分进行拟合,最后,在加法模型中迭代求解各种数据成分的非线性最小二乘参数.实验表明,新设计的算法在分解精度和计算成本等指标上均优于现有的算法.