時間序列建模預報的原理與應用實例(PDF 43頁）

31 1 動態數據的預處理
3。新息預報的計算量不隨資料增加而變化。
3爿，C準則是模型優性的一種宏觀度量，切不可過分絕對化。例如對於多坑點情
3，1，2模型形式的選擇和設計
3． 必須獲取無窮樣本，才能得到MA(q)與ARMA(p，q)序列在嚴格意義下的平
3．1 5模型階數的判斷和選擇
3．1模擬動態數據的步驟流程
3．1，6模型的檢驗和改進
3．1．3 模型參數的初步估計
3．1．4 模型參數的精細估計
3．對丁白、偏相關函數指數衰減的序列，用高階自同歸模型擬合比ARMA(p，q)模
3．差分階數的確定及函數形式的選擇，相當稃度上依賴於點吲的規律和數據的物理
3．模型參數的初步估計
3．模型選擇和建模步驟
4,2．2新息預報遞推公式
4.學位論文李睿 右刪失數據下時間序列的參數估計、補值及預報 2006
4．1平穩線性最小方差預報
4．1．1平穩線性最小方差預報的定義和幾何直觀
4．2新息預報的原理和方法
4．2．1新息預報的原理
4．2．3新息預報
4．對丁平穩化處理不能奏效的數據，有季節規律的可建立乘積型季節模型，規律更
4．應I}{_i爿IC準則選擇模型時，應注意在相同背景條件下進行結果比較(例如數據
4．時間序列的預報
4．模型參數的精細估計
4．模型形式的選擇，要充分利用數據點圖的直觀規律及數據物理背景中蘊龠的信
4．自相關函數成周期規律的序列，可選用季1i性乘積模犁。
5,2．4結果討論
..............................