基于Bayes網(wǎng)的時間序列預測.pdf

1、預測是作決策、規(guī)劃之前必不可少的重要環(huán)節(jié)和前提。時間序列預測是預測領(lǐng)域的一個重要研究方向，時間序列預測問題在氣象、天文、電力、醫(yī)學、生物、經(jīng)濟、金融和計算機等各個領(lǐng)域有著廣泛的應用。Bayes網(wǎng)，又稱信度網(wǎng)或概率網(wǎng)，是Pearl提出的一種基于概率論和圖論的不確定知識表示模型。Bayes網(wǎng)在不確定知識表示及推理中表現(xiàn)出的卓越性能，使其獲得了廣泛的關(guān)注，對Bayes網(wǎng)的研究已成為當今人工智能領(lǐng)域研究的熱點之一。將Bayes網(wǎng)與時間序列預測相

2、結(jié)合，形成一種新的時間序列建模及預測的方法。文章將Bayes網(wǎng)應用于時間序列預測領(lǐng)域，提出了三種新的預測模型：靜態(tài)Bayes網(wǎng)預測模型，靜態(tài)N-Bayes網(wǎng)預測模型和分類靜態(tài)Bayes網(wǎng)預測模型。 文章主要探討的是基于Bayes網(wǎng)的時間序列預測模型。在文章中，首先介紹了Bayes網(wǎng)的相關(guān)理論，逐一介紹了Bayes網(wǎng)的基本概念、Bayes網(wǎng)基本原理、Bayes網(wǎng)推理、Bayes網(wǎng)的學習等內(nèi)容，并以條件概率表的建立為重點。其次，介紹

3、了時間序列預測的相關(guān)理論，以自回歸求和移動平均模型(ARIMA)為重點詳細的講解了相關(guān)的時間序列預測模型和預測方法。再次，在綜合運用Bayes網(wǎng)和時間序列預測的相關(guān)理論之上，提出并建立了三種新的預測模型：靜態(tài)Bayes網(wǎng)預測模型，靜態(tài)N-Bayes網(wǎng)預測模型和分類靜態(tài)Bayes網(wǎng)預測模型。這三個預測模型是以層層逼近的形式提出的，靜態(tài)Bayes網(wǎng)預測模型是最簡單的模型也是最原始的預測模型，靜態(tài)N-Bayes網(wǎng)預測模型是在前者的基礎之上增加

4、Bayes網(wǎng)的結(jié)點數(shù)目和網(wǎng)絡復雜度，分類靜態(tài)Bayes網(wǎng)預測模型則是在對數(shù)據(jù)分類的基礎之上利用靜態(tài)Bayes網(wǎng)預測模型中的Bayes網(wǎng)來進行預測。最后，將三種基于Bayes網(wǎng)的預測模型運用于實驗，得出相關(guān)的結(jié)論。 文章總結(jié)了前人對Bayes網(wǎng)、時間序列的研究成果，并將這兩方面的研究相結(jié)合得出了自己的觀點和看法，將之付諸于實踐，通過實驗得出Bayes網(wǎng)絡結(jié)構(gòu)能夠勝任對時間序列的建模和預測，相信Bayes網(wǎng)絡在時間序列領(lǐng)域的應用前景