基于ARIMA模型算法的頻譜時間序列預(yù)測分析

摘 要:結(jié)合頻譜時間序列的特點，選擇ARIMA模型作為預(yù)測模型，通過ARIMA模型算法的流程分析，初步論證預(yù)測模型及預(yù)測精度的可靠性。

關(guān)鍵詞:ARIMA模型頻譜時間序列

中圖分類號:TM714文獻標(biāo)識碼:A文章編號:1674-098X(2011)05(c)-0014-01

時間序列就是按時間順序取得的一系列觀測值，具有如下特點:首先，時間序列的數(shù)據(jù)或數(shù)據(jù)點的位置依賴于時間，即數(shù)據(jù)的取值依賴于時間的變化，但不一定是時間t的嚴格函數(shù);其次，每一時刻上的取值或數(shù)據(jù)點的位置具有一定的隨機性，不可能完全準(zhǔn)確地用歷史值進行預(yù)測;第三，前后時刻(不一定是相鄰時刻)的數(shù)值或數(shù)據(jù)點的位置有一定的相關(guān)性，這種相關(guān)性就是系統(tǒng)的動態(tài)規(guī)律性。

1 頻譜時間序列的特點

由于電磁環(huán)境的復(fù)雜多樣性以及許多未知因素和不確定因素的影響，頻譜占用是一個復(fù)雜多變的過程，頻譜數(shù)據(jù)具有高度的非線性特點。目前多數(shù)學(xué)者認為，頻譜時間序列一般由確定分量和隨機分量組成，確定分量具有一定的物理含義，隨機分量由不規(guī)則的振蕩和隨機影響造成，具有高度的非線性特點，在進行頻譜數(shù)據(jù)分析時，應(yīng)根據(jù)頻譜時間序列的特點找出一種精度較高的預(yù)測模型。

2 基于ARIMA模型算法的流程分析

ARIMA模型算法分析流程圖如圖1所示。

2.1 平穩(wěn)性檢驗

平穩(wěn)時間序列因為有很好的統(tǒng)計特性，首先檢驗所觀測樣本的平穩(wěn)性，然后根據(jù)其是否具有平穩(wěn)性來建立相適應(yīng)的模型，主要使用自相關(guān)系數(shù)和自相關(guān)圖檢驗。……