《平稳时间序列的分析建模以及预测.doc》由会员分享，可在线阅读，更多相关《平稳时间序列的分析建模以及预测.doc（5页珍藏版）》请在三一办公上搜索。
1、平稳时间序列的分析，建模以及预测题：某化工厂生产过程中的70个产量数据obsBF1476423713866455415948117135574058164480553774215157506045265750452559315071567450365845543654414855455750466244644352513859554153564934355445616838506039665940575423对此时间序列的分析，本人是基于Matlab编程完成的，其具体情况如下：1、对数据进行零均值化% 化工生产过程的产量数据分析%N=70;n=1:N;x=47,64,23,71,38,64,5
2、5,41,59,48,71,35,57,40,58,44,80,55,37,74,51,57,50,60,45,57,50,45,25,59, 50,71,56,74,50,58,45,54,36,54,48,55,45,57,50,62,44,64,43,52,38,59,55,41,53,49,34,35,54,45,68, 38,50,60,39,59,40,57,54,23;y=zeros(1,70);for nn=1:70, y(nn+1)=y(nn)+x(nn);endy=y(nn+1)/N;x1=zeros(1,N);x1=x-y;得出均值为：51.1286，x1数组即为零均值后
3、的数组。2、相关函数及偏相关函数的计算（接上面程序）R1=zeros(1,N);x2=zeros(1,N);for nn=1:70, for ii=1:71-nn, x2(nn)=x2(nn)+x1(ii)*x1(nn+ii-1); endendfor jj=1:70, R1(jj)=x2(jj)/N;endR2=R1;R3=zeros(1,16);for jj=1:16 R3(jj)=R2(jj)/139.7978;endh=zeros(1,15);g=zeros(1,15);A=zeros(15);for k=1:14, for j=1:k, A(1,1)=R3(2); h(k)=h(k)
4、+R3(k+2-j)*A(k,j); g(k)=g(k)+R3(j+1)*A(k,j); A(k+1,k+1)=(R3(k+2)-h(k)/(1-g(k); A(k+1,j)=A(k,j)-A(k+1,k+1)*A(k,k+1-j); endendB=A;figure(1)set(1,Position,10,35,350,650)ii=1:16;plot(ii,R3,b);gridfigure(2)jj=1:16;m=zeros(1,16);m(1)=1;for j=2:16, m(j)=A(j-1,j-1);endplot(jj,m,b);grid运行程序后得出的自相关函数偏相关函数数据如下
5、表：=139.7978, =1 -54.5041 -0.3899 -0.3899 42.55360.30440.1797-23.1442-0.16560.00239.88640.0707-0.0411-13.5659-0.0970-0.0693-6.5786-0.0471-0.12024.9451 0.0354 0.0198 -6.0754-0.04350.0027-0.6705-0.0048-0.05552.01210.01440.003415.36620.10990.1396-9.6151-0.0688-0.010820.69490.14800.09405.00040.0358 0.1621-0.9335-0.0067-0.0008题中：n=70, =0.2390运行程序后得出的散点图如下：自相关散点图（R（n）为图中的R（n+1）偏相关散点图（R（n）为图中的R（n+1）分析中横轴应为0-15，在该图中，横轴为1-16，所以散点图应视为往左移一位。3、模型的判断由图可以看出，当k2时，1时，0.2390,认为在1步截尾;故模型识别为AR（1）4、计算模型参数对于AR（p）模型,参照参数的计算公式:=-0.3899, =118.545，=10.8885、确立模型带入，得：6、预报预测预报公式：=23=62.0959=46.8524=52.7958
