短時間序列集的一種預測調和方法

伍仕屹

(貴州大學理學院，貴州　貴陽　550025)

?

短時間序列集的一種預測調和方法

伍仕屹

(貴州大學理學院，貴州貴陽550025)

摘要：由于互聯網以及大數據產業的高速發展，各行業產生了大量的短時間序列數據。因此，對這些數據進行分析進而預測其未來趨勢成為了重要的生產和管理的手段。短時間序列以單個序列的觀測數量少為特征，是時間序列分析的一個難點。如果預測對象是短時間序列數據集，就可以利用其總量的預測值去調節各分量的預測值。文章提出了一種時間序列的預測調和方法，并通過此方法去調節ARIMA模型對一個短時間序列數據集的建模預測結果，與ARIMA的預測結果相比，調和后的預測精度得到了提高。

關鍵詞：時間序列，ARIMA，預測，調和方法

0引言

近年來，隨著互聯網的頻繁使用和大數據產業的快速發展，新技術與新產品層出不窮，這使得許多企業在生產中產生了大量時間長度較短的數據，如何利用這些短時間序列數據產生價值就成了推進各行業發展的重要手段。經典時間序列分析方法是建立在數理統計的基礎之上的方法體系，這就隱含了一個條件，即樣本量是充分的。ARIMA模型[1]使用在很多歷史數據充分的時間序列上都有很好的預測效果，在Engle、Granger、湯家豪等學者的完善下，時間序列的分析方法發展到了一個成熟的階段。但在短時間序列分析方法的研究上的文獻卻很少，這也是因為短時間序列的特點造成了很難捕捉其規律性，在時間序列分析中數據信息的不足或缺失都一直是預測的一個難點。……