科研之友
微信
新浪微博
Facebook
分享链接
摘要
季节性波动数据具有长期趋势性、季节波动性与局部随机振荡性等复杂特征， 这给其预测模型的合理构建造成了难度. 文章首先通过排序函数f(xik)挖掘季节波动数据中相关元素的序位关系及其演变规律， 实现了季节波动数据的特征提取及驱动项的构造. 然后通过构建分数阶多变量灰色预测模型FMGM（1，N）， 实现了其累加阶数从正整数到全体实数的拓展与优化. 最后， 将FMGM（1，N）应用于具有季节波动性特征的我国GDP月度数据的拟合与预测， 建模结果显示其模拟和预测精度优于当前主流的单变量及多变量灰色预测模型、非线性回归模型、Arima模型及智能建模方法（Support Vector Machine， SVM; Long Short-Term Memory， LSTM）. 本研究成果为研究季节波动性数据提供了一种新的预测建模方法， 对丰富和完善预测模型方法体系具有积极意义.
- 单位
