基于CBS-GM的时序数据短期预测方法  

Short-term Forecast in Time Series Based on CBS-GM

作　　者：宁亚楠[1] 姜高霞[1,2] 

机构地区：[1]山西大学数学科学学院,山西太原030006 [2]山西大学计算机与信息技术学院,山西太原030006

出　　处：《金陵科技学院学报》2014年第2期17-22,共6页Journal of Jinling Institute of Technology

基　　金：山西大学校内自立项目(青年)(K02013130013)

摘　　要：介绍了时序数据常用的参数回归和非参数回归方法,分析并比较了各自的优势和局限。结合这些特点提出一种基于B样条系数(CBS)与灰色模型(GM)的组合预测方法CBS-GM。此预测方法兼有参数和非参数的优点,具有较强的适应性和稳健性。最后将提出的方法应用于实际数据(常规数据和含异常值数据)。结果表明,综合预测精度和速度,CBS-GM相比于GM(1,1)、ARMA、BP神经网络和SVM等4种常用预测方法具有一定优势,是一种实用、高效的短期预测方法。Some common methods of parameter regression and non-parametric regression in time series are introduced and their advantages and limitations are compared in this paper.Then a combined forecasting approach （CBS-GM）based on coefficients of B-spline （CBS）and gray model （GM）is proposed.The forecasting approach combines the advantages of parametric and non-parametric methods,and has strong adaptability and robustness.Finally,the proposed method is applied to the actual data （data containing conventional data and outliers ）.The results show that the forecasting accuracy and speed of CBS-GM are higher than the common forecasting methods （GM （1,1）,ARMA,BP neural network and SVM）.It is a practical and ef-ficient method for short-term forecast.

关 键 词：B样条系数(CBS) 灰色模型(GM) 参数回归 非参数回归 组合预测 

分 类 号：O212.1[理学—概率论与数理统计]