摘要: 经典的ARMA模型常用于平稳时间序列的预测,而对于自然界绝大部分的非平稳序列一般采用确定性时序分析和随机时序分析。确定性时序分析对随机性信息浪费严重,而随机时序分析经过差分平稳序列后又回归到ARMA模型。本文利用在充分ARMA模型拟合后的残差序列进行支持向量回归(SVR)拟合,进而对原序列进行组合预测,比起单一模型的拟合及预测,该组合有效地提高了预测精度。
中图分类号:
林慧君;徐荣聪. 组合ARMA与SVR模型的时间序列预测[J]. 计算机与现代化, 2009, 8(8): 19-22.
LIN Hui-jun;XU Rong-cong. Time Series Prediction Based on Mixture of ARMA and SVR Model[J]. Computer and Modernization, 2009, 8(8): 19-22.