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