最近看到有用时间序列建模来预测数据解决EMD边界问题
建立模型后该怎么预测？大侠们出来说说 以AR模型为例，x(n)=a1*x(n-1)+...+ap*x(n-p)利用已知的x(n-1)...x(n-p)个点根据上式就可以预测x(n)了
a1...ap为p阶AR模型的系数，通过对已知数据建模得到 这个只对平稳过程适用 matlab有没有现成的命令啊？ 这些延拓方法是不是都是治标不治本的，也就是说，延拓后整体处理还是会有边界问题，只是相对于以前的短数据，截取后问题就减轻了，不知道是不是这样？ matlab有没有现成的命令啊？
有比如arburg之类的，help一下看看 这个只对平稳过程适用
对于非平稳过程也可以用时间序列方法
改用时变参数模型
或是其它如支持向量机、神经网络等 本质上说，非平稳过程的下一步是无法预测的。因为序列不是全局性的，无法从前一段时间的数据预测后一段时间的数据。时变参数模型也只对分段平稳过程有用，应为模型的收敛需要时间。至于支持向量机，神经网络等，也只能说是对分段平稳过程有用。他们同样都需要训练和收敛。对于完全非平稳过程，理论上说是没有任何办法预测的。因为你不知道下一刻出现的数据是否符合现在数据的模型。我觉得，HHT对非平稳度的定义是个很好的工具，把非平稳性量化，可以让我们知道序列的非平稳性到底有多少，从而采取相应的措施。所以，不同的延拓的方法，也只针对某一类型的数据有作用。没有万能的延拓方法。
[ 本帖最后由 zhlong 于 2007-8-18 21:21 编辑 ] 我们通常分析的数据都是来源于一定的系统对象,数据出现非平稳性应该是由于系统参数的不稳定导致,如果这种不稳定有一定的变化规律,通过以往数据估计出这种变化规律,应该说还是可以大致预测的. 如果出现突变,这当然是不可预测的. 但是一般的事物总是有个渐变的规律的吧.
呵呵,请多指教!
[ 本帖最后由 zhlong 于 2007-4-20 17:34 编辑 ]
页:
[1]