基于时间序列ARIMA与BP神经网络的组合预测模型

被引：67

作者：

翟静

曹俊

机构：

[1] 重庆科技学院工商管理学院

来源：

统计与决策 | 2016年 / 04期

关键词：

时间序列ARIMA模型; BP神经网络算法; 组合预测模型; 有效性;

D O I：

10.13546/j.cnki.tjyjc.2016.04.007

中图分类号：

O211.61 [平稳过程与二阶矩过程]; TP183 [人工神经网络与计算];

学科分类号：

020208 ; 070103 ; 0714 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性。研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能。

引用

页码：29 / 32

页数：4

共 8 条

[1]

中国主要股指的分形分析与BP神经网络预测.[D].刘海萍.大连理工大学.2013, 09

[2] ARIMA与BP神经网络混合模型在广西GDP预测中的应用 [J].

莫东序 .

广西财经学院学报, 2011, 24 (06) :31-34

[3] 改进的BP神经网络及其在销量预测中的应用 [J].

毕建涛 ;

魏红芹 .

山东理工大学学报(自然科学版), 2011, 25 (06) :29-33

[4] ARIMA模型及其在时间序列分析中的应用 [J].

薛冬梅 .

吉林化工学院学报, 2010, 27 (03) :80-83

[5]

Forecast combinations of computational intelligence and linear models for the NN5 time series forecasting competition.[J].Robert R. Andrawis;Amir F. Atiya;Hisham El-Shishiny.International Journal of Forecasting.2010, 3

[6] Combining neural network model with seasonal time series ARIMA model [J].

Tseng, FM ;

Yu, HC ;

Tzeng, GH .

TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE, 2002, 69 (01) :71-87

[7] Modeling and forecasting tourism demand for arrivals with stochastic nonstationary seasonality and intervention [J].

Goh, C ;

Law, R .

TOURISM MANAGEMENT, 2002, 23 (05) :499-510

[8]

Univariate versus multivariate time series forecasting: an application to international tourism demand.[J].Johann du Preez;Stephen F. Witt.International Journal of Forecasting.2002, 3

← 1 →