Page 311 - 数学建模算法与应用

第十一章 时间序列分析研究

第十一章 时间序列分析研究

第一节 时间序列分析方法的概述

时间序列预测技术主要通过分析目标自身的历史数据序列，探索其随时间演
变的趋势。这种技术认为，一个时间序列通常是几种不同类型的变动模式相互作
用的结果：
长期趋势变动：指时间序列呈现出的一种持续向上、向下或是稳定在一个特
定水平的发展态势，这种趋势能够体现研究对象的基本发展方向。

季节性变动：这类变动与特定的时间段紧密相关，比如季度、月份或周等，
表现为定期出现的规律性波动。
周期性循环变动：不同于季节性变动，周期性变动的周期往往超过一年，且

是由除季节性因素以外的因素引起的一系列类似波浪式的上下波动。
不规则变动：包括了不可预见的突然变动以及随机性质的变化。这类变动没
有明显的规律可循，可能是由于偶然事件或是外部环境的突变导致的。
用 T 表示长期趋势，S 表示季节变动趋势，C 表示循环变动趋势，R 表示
t
t
t
t
随机干扰。常见的时间序列模型有：
加法模型

乘法模型

混合模型

2
式中，y 是观测目标的观测记录，E(R ) = 0 ，Var(R ) = σ 。
i
t
t
当预测的时间范围内没有出现突发性的变动，同时随机性变动的方差 �2σ2
相对较小，并且可以合理假设过去的演变趋势将会延续至未来的情况下，可以采
用某些基于经验的方法来进行预测。

301