张·G·彼得 使用混合ARIMA和神经网络模型进行时间序列预测。 (英语) Zbl 1006.68828号 神经计算 50, 159-175 (2003). 摘要:自回归综合移动平均(ARIMA)是近三十年来时间序列预测中流行的线性模型之一。最近在人工神经网络(ANN)预测方面的研究活动表明,ANN可以成为传统线性方法的一种有希望的替代方法。ARIMA模型和ANN在预测性能方面的优势经常与混合结论进行比较。本文提出了一种结合ARIMA和ANN模型的混合方法,以利用ARIMA与ANN模型在线性和非线性建模中的独特优势。实际数据集的实验结果表明,组合模型可以有效提高单独使用的两种模型的预测精度。 引用于71文件 MSC公司: 68单位99 计算方法和应用 68T05年 人工智能中的学习和自适应系统 关键词:ARIMA公司;Box-Jenkins方法;人工神经网络;时间序列预测;组合预测 PDF格式BibTeX公司 XML格式引用 \textit{G.P.Zhang},神经计算50,159--175(2003;Zbl 1006.68828) 全文: 内政部