传递函数模型中的异常值分析.pdf

《传递函数模型中的异常值分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、～lI爹分类号UDC密级单位代码!Q151传递函数模型中的异常值分析成诚指导教师刘晓东职称学位授予单位大连海事大学教授申请学位级别硕士学科(专业)应用数学论文完成日期2011年5月答辩日期2011年6月答辩委员会主席、节町TheOutlierAnalysisinTransferFunctionModelAthesissubmittedtoDalianMaritimeUniversityInpartialfulfillmentoftherequirementsforthedegreeofMasterofScien

2、cebyCheng(AppliedMathematics)ThesisSupervisor：ProfessorLiuXiaodongJune2011㈣7叭9帆9㈣5㈣9眦8ii0■lmYk。◆节，、◆^’l’大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果，撰写成博／硕士学位论文竺笾遭函数搓型生的显鲎值盆逝：：。除论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他

3、个人或集体已经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名：学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定，即：大连海事大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕士学位论文全文数据库》(中国学术期刊(光盘版)电子杂志社)、《

4、中国学位论文全文数据库》(中国科学技术信息研究所)等数据库中，并以电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于：保密口在——年解密后适用本授权书。不保密回(请在以上方框内打“√论文作者签名：硪i藏导师签名：日期：多呵f年占月仍El，'◆节《～◆Ll巳?中文摘要摘要时间序列是按照时间顺序排列的数据数列，广泛的存在于金融、科学和工程等各个领域。时间序列分析是分析和处理动态数据的一种重要方法，它是用统计的方法建立一个适当的模型来对现在和过去观测序列的进行拟合，达到对未来时刻的数据

5、进行预测以做出预报或控制。本文对传递函数模型中的时问序列异常值检测进行了探讨，构建了新模型算法，并利用该算法对某含领先指标的销售额进行预报。本文的主要研究工作分两部分：一、对销售额进行ARMA模型和传递函数模型建模，分别利用销售额及领先指标和销售额之间的动态关系对销售额进行预报。并对预报精度进行了比较和分析。二、在传递函数建模过程中引入了异常值检测。通过对销售额和领先指标序列分别进行异常值分析处理后，并再次建立新的传递函数模型。通过分析预测平均误差表明：若输出序列(销售额)异常是由输入序列的异常引起的，经过异常

6、值处理后预测精度变化不大；若输出异常(销售额)不是由输入序列(领先指标)引起的情况，经过异常值处理后预测精度会提高；若输入序列的异常没有导致输出的异常，经过异常值处理后预测精度会提高。关键词：时间序列；ARMA模型；传递函数模型；异常值；丫◆英文摘要ABSTRACTTimeseriesisasequencethatobservedbytime，whichexistsinvariousfieldsextensively，suchasfinance，scienceandengineeringfields．Times

7、eriesanalysisisanimportantmethodforanalyzingandprocessingdynamicdata．Itisestablishedbasedonstatisticalmethodstopredictandcontrolbehaviorwithhistoricalandpresentobservations．Tmspapermainlydiscussesoutlieranalysisintransferfunctionmodel．buildsanewmodelandpredi

8、ctsfuturesalesdata．1．ThispaperbuildstheARMAandtransferfunctionmodel．usingobservedsalesandthedynamicrelationshipbetweenthesalesandleadingindicatortopredictthefuturesales．Comparingforecastsaverage