基于灰色關聯度準則的TVARMA模型參數估計方法

時變自回歸滑動平均模型(TVARMA)是由Grenier于20世紀80年代首次提出的，目的在于解決非平穩時間序列的建模與預測問題。其基本思想是：在常參數ARMA模型的基礎上，模型的常參數轉換為觀測時間，的函數，進而在模型參數估計方面由常參數估計問題轉換為時變參數估計問題。自提出之日起，TVARMA模型就以其廣闊的應用前景而備受各領域專家學者的矚目；時至今日，針對TVARMA模型的研究仍方興未艾。與ARMA模型相比，TVARMA模型拓展了建模對象范圍，更適于非平穩時序的建模。此外，TVARMA模型還保留了常參數ARMA模型業已得到證明的諸多優點。TVARMA模型不僅可以揭示動態數據本身的結構與規律，即定量地了解觀測數據之間的線性相關性，預測其未來值，而且還可映射至時頻域研究系統的有關特性，進一步地還可對系統施加合適的控制來獲得所希望的系統工作性能。