時間序列分析的研究與應(yīng)用.pdf

1、時間序列分析是動態(tài)數(shù)據(jù)分析處理的一種重要的方法，以概率統(tǒng)計學(xué)作為理論基礎(chǔ)來分析隨機數(shù)據(jù)序列(或稱動態(tài)數(shù)據(jù)序列)，并對其建立數(shù)學(xué)模型，以及進(jìn)一步應(yīng)用于預(yù)測、自適應(yīng)控制等諸多方面，是一個具有相當(dāng)高的實際價值的應(yīng)用研究領(lǐng)域。 隨著時間序列分析方法的日趨成熟，其應(yīng)用領(lǐng)域越來越廣泛，對模型的精度提出了更高的要求。由于時間序列建模過程中的各種參數(shù)估計方法最終都會歸結(jié)為高度非線性函數(shù)的優(yōu)化問題，傳統(tǒng)的優(yōu)化方法估計出的參數(shù)可信度較低，因此本文將

2、模擬生物進(jìn)化過程的遺傳算法作為求解復(fù)雜優(yōu)化問題的手段應(yīng)用時間序列模型的參數(shù)估計中來。遺傳算法作為一種全局的優(yōu)化算法，在處理高度非線性函數(shù)的優(yōu)化問題中有著傳統(tǒng)優(yōu)化方法不可比擬的優(yōu)越性，但在實際應(yīng)用中也存在一定的缺陷，主要表現(xiàn)在算法的早熟現(xiàn)象、局部尋優(yōu)能力差、收斂速度慢等，因此本文應(yīng)用了改進(jìn)的實數(shù)遺傳算法(IRGA)對時間序列模型中的參數(shù)進(jìn)行估計。 本文主要做了以下四方面的研究工作：(1)論述了研究時間序列分析的背景和意義，總結(jié)了目

3、前的學(xué)科發(fā)展以及參數(shù)估計方法的研究現(xiàn)狀；(2)討論了時間序列分析建模的理論方法；(3)闡述了遺傳算法的發(fā)展和研究狀況，給出了改進(jìn)的實數(shù)遺傳算法的原理和運算流程；(4)在時間序列分析和遺傳算法的理論指導(dǎo)下，將遺傳算法引入時間序列建模過程中，進(jìn)行深入的討論與研究。研究內(nèi)容及成果主要包括以卜兒個方面： 1．介紹了時間序列及其相關(guān)的基本概念，分析了隨機時間序列的特性、研究中的方法性工具以及時間序列的特征函數(shù)，分析并討論了ARIMA模型體

4、系。介紹了擬合模型參數(shù)估計的常用方法，對目前模型參數(shù)估計方法存在的不足作了一定的探討。介紹了Box-Jenkins建模的理論和流程，以及線性最小方差預(yù)測的理論方法。 2．對遺傳算法作了概述，簡要介紹了基本遺傳算法(SGA)的構(gòu)成要素、運算流程和實現(xiàn)。闡述了實數(shù)遺傳算法(RGA)研究的發(fā)展和研究狀況，討論了實數(shù)遺傳算法特點，比較全面地描述了目前實數(shù)編碼遺傳算法中常用的選擇、交叉、變異算子及適應(yīng)度函數(shù)，給出了改進(jìn)的實數(shù)遺傳算法(IR