论文研究-基于ARIMA与WASDN加权组合的时间序列预测.pdf下载

为了提高时间序列预测方法的预测精度以及增强其适用性，提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均（autoregressive integrated moving average，ARIMA）模型与配备权值及结构确定（weights and structure determination，WASD）算法的幂激励前向神经网络（WASDN）对时间序列进行建模、测试以及预测。根据测试结果，将ARIMA与WASDN进行加权组合。数值实验结果显示，所提出的ARIMA-WASDN加权组合方法的预测精度高于ARIMA或WASDN单独使用时的预测精度，验证了该方法在时间序列预测方面的有效性和优越性。