摘要：提出了分解预测的思想，通过SSA将序列分解成低频与高频两部分，分别采用最小均方（LMS）自适应自回归移动平均（ARIMA）与LMS自适应自回归（AR）模型进行预测，然后将两者叠加便可得原始序列预测值．同时，为了更好地捕捉序列局部突变。缩减预测延迟，提高预测精度，对EaLMS算法（基于误差调整的LMS算法）参数进行修正并应用于分解预测．实验结果表明，修改后的分解预测相比于LMS自适应AR直接预测法，优势更明显．

关键词：奇异谱分析 最小均方 分解预测 

单位：华东交通大学信息工程学院 江西南昌330013 江西财经大学科研处 江西南昌330013