基于BPNN的混合ARIMA时间序列数据预测模型  

作　　者：徐海洋 邓文文 李彤 XU Haiyang;DENG Wenwen;LI Tong

机构地区：[1]中国航空工业集团公司西安航空计算技术研究所,陕西西安710065

出　　处：《信息技术与信息化》2025年第1期102-105,共4页Information Technology and Informatization

摘　　要：传统的时间序列预测模型具有较好的稳定性和可解释性,但也存在一些问题,一方面是对于非线性时间序列的适应能力不足,另一方面是对于具有季节性变化的时间序列的适应能力不足,需要通过差分操作消除时间序列的趋势和季节性,但这种方法存在一定的局限性。针对以上问题,文章研究并提出了基于ARIMA/BPNN的时间序列数据混合预测模型,对数据进行短期预测,使用中国的进口总值当期值数据集来评估所提出的模型。所提出的模型联合用于线性和非线性模型,旨在捕获时间序列数据中的不同关系模式。混合预测模型能够帮助用户更好地理解市场和业务需求,从而做出更准确的决策,减少决策带来的风险和成本,提高资源利用效率。

关 键 词：深度学习 卷积神经网络 时间序列数据 短期预测 预测模型 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]