时间序列建模预报的原理与应用实例(PDF 43页）

31 1 动态数据的预处理
3。新息预报的计算量不随资料增加而变化。
3爿，C准则是模型优性的一种宏观度量，切不可过分绝对化。例如对于多坑点情
3，1，2模型形式的选择和设计
3． 必须获取无穷样本，才能得到MA(q)与ARMA(p，q)序列在严格意义下的平
3．1 5模型阶数的判断和选择
3．1模拟动态数据的步骤流程
3．1，6模型的检验和改进
3．1．3 模型参数的初步估计
3．1．4 模型参数的精细估计
3．对丁白、偏相关函数指数衰减的序列，用高阶自同归模型拟合比ARMA(p，q)模
3．差分阶数的确定及函数形式的选择，相当稃度上依赖于点吲的规律和数据的物理
3．模型参数的初步估计
3．模型选择和建模步骤
4,2．2新息预报递推公式
4.学位论文李睿 右删失数据下时间序列的参数估计、补值及预报 2006
4．1平稳线性最小方差预报
4．1．1平稳线性最小方差预报的定义和几何直观
4．2新息预报的原理和方法
4．2．1新息预报的原理
4．2．3新息预报
4．对丁平稳化处理不能奏效的数据，有季节规律的可建立乘积型季节模型，规律更
4．应I}{_i爿IC准则选择模型时，应注意在相同背景条件下进行结果比较(例如数据
4．时间序列的预报
4．模型参数的精细估计
4．模型形式的选择，要充分利用数据点图的直观规律及数据物理背景中蕴龠的信
4．自相关函数成周期规律的序列，可选用季1i性乘积模犁。
5,2．4结果讨论
..............................