發(fā)布時(shí)間：2023-11-17 19:53

　　隨著社會(huì)的進(jìn)步,每天都有大量的數(shù)據(jù)產(chǎn)生,如何從大量的數(shù)據(jù)中找出重要信息變得尤為重要。時(shí)間序列是按時(shí)間先后順序排列的變量,在日常生活中,隨處都可以找到各種各樣的觀察值序列。通過對(duì)觀察值序列的分析研究,可以找到其發(fā)展規(guī)律,通過提取其中的信息來預(yù)測(cè)其未來走勢(shì),這就是時(shí)間序列分析。時(shí)間序列分為平穩(wěn)時(shí)間序列和非平穩(wěn)時(shí)間序列,根據(jù)不同類型的時(shí)間序列,可以選擇合適的模型進(jìn)行擬合預(yù)測(cè)。對(duì)于平穩(wěn)時(shí)間序列,通常采用自回歸移動(dòng)平均模型進(jìn)行擬合,對(duì)于非平穩(wěn)時(shí)間序列,通常采用求和自回歸移動(dòng)平均模型、殘差自回歸模型、條件異方差模型或廣義條件異方差模型進(jìn)行擬合預(yù)測(cè)。人工神經(jīng)網(wǎng)絡(luò)是模仿人類大腦內(nèi)部神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的仿生學(xué)科,現(xiàn)今發(fā)展迅速,由于其具有非線性映射功能、分類識(shí)別功能、聯(lián)想記憶功能、優(yōu)化計(jì)算功能、知識(shí)處理功能等,廣泛應(yīng)用于信息處理、模式識(shí)別、醫(yī)學(xué)專家系統(tǒng)、市場(chǎng)價(jià)格預(yù)測(cè)、風(fēng)險(xiǎn)評(píng)估等方面。現(xiàn)如今,對(duì)于時(shí)間序列分析模型的參數(shù)估計(jì),普遍采用最小二乘法、極大似然估計(jì)法、矩估計(jì)法等傳統(tǒng)參數(shù)估計(jì)方法。但運(yùn)用人工神經(jīng)網(wǎng)絡(luò)對(duì)時(shí)間序列分析模型進(jìn)行參數(shù)估計(jì)的研究較少。鑒于人工神經(jīng)網(wǎng)絡(luò)的諸多優(yōu)點(diǎn),本文建立了ARMA模型和GARC...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 前言
    1.1 研究背景
        1.1.1 時(shí)間序列分析發(fā)展史
        1.1.2 人工神經(jīng)網(wǎng)絡(luò)發(fā)展史
    1.2 選題意義
2 時(shí)間序列分析與人工神經(jīng)網(wǎng)絡(luò)
    2.1 時(shí)間序列分析
    2.2 時(shí)間序列分析準(zhǔn)備
    2.3 平穩(wěn)時(shí)間序列分析
    2.4 非平穩(wěn)時(shí)間序列分析
    2.5 傳統(tǒng)參數(shù)估計(jì)方法
    2.6 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
    2.7 人工神經(jīng)網(wǎng)絡(luò)模型
3 神經(jīng)網(wǎng)絡(luò)估計(jì)時(shí)間序列模型參數(shù)
    3.1 ARMA(p,q)模型參數(shù)估計(jì)的BP神經(jīng)網(wǎng)絡(luò)方法
    3.2 GARCH(p,q)模型參數(shù)估計(jì)的BP神經(jīng)網(wǎng)絡(luò)方法
    3.3 ARMA/GARCH模型參數(shù)估計(jì)的BP神經(jīng)網(wǎng)絡(luò)方法優(yōu)化
4 應(yīng)用實(shí)例
    4.1 平穩(wěn)時(shí)間序列應(yīng)用實(shí)例
        4.1.1 北京市報(bào)紙出版總印數(shù)時(shí)間序列
        4.1.2 澳大利亞季度常住人口時(shí)間序列
    4.2 非平穩(wěn)時(shí)間序列應(yīng)用實(shí)例
        4.2.1 北京市城鎮(zhèn)單位在崗職工人數(shù)時(shí)間序列
5 總結(jié)
    5.1 結(jié)論
    5.2 本文亮點(diǎn)
    5.3 不足與改進(jìn)思路
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3864774