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
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社