[發明專利]基于趨勢和周期波動的時間序列的智能預測方法

有效

• 申請號: 201310189264.1
• 申請日: 2013-05-21
• 公開（公告）號: CN104182800B
• 公開（公告）日: 2018-01-16
• 發明（設計）人: 魏曉文;雷亞平
• 申請（專利權）人: 中國農業科學院棉花研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 北京市盛峰律師事務所11337
• 代理人: 趙建剛

1.一種基于趨勢和周期波動的時間序列的棉花單產智能預測方法，其特征在于，包括以下步驟：

S1，建立趨勢模型庫；所述趨勢模型庫中存儲三類趨勢模型，即：線性趨勢模型、非線性趨勢模型和自適應趨勢模型；每一類趨勢模型包括若干個具體的趨勢模型；

S2，讀取待預測的多個連續年份的年棉花單產數據作為原始時間序列，對所述原始時間序列進行計算，分離所述原始時間序列的波動分量和趨勢分量；

S3，對于所述趨勢分量，通過回歸計算在所述趨勢模型庫中自動選取R²最大的趨勢模型，具體為：

通過回歸計算分別計算所述趨勢模型庫中每一個趨勢模型的R²，然后比較獲得R²最大的趨勢模型；其中，所述原始時間序列由N組原始觀測數據組成；所述R²最大的趨勢模型稱為最佳趨勢模型，表達式為Y_t＝f(X)；其中，R²為可決系數，反映模型擬合程度；Y_t為模型的因變量，X為模型的自變量；t為原始觀測數據的組編號；在我國棉花單產預測中，自動選取二次曲線自適應模型為最佳趨勢模型，表達式為：

Y_x＝a+b x+c x²+d Y_x-1；

其中，x為年度序號，Y_x表示第x年的產量，Y_x-1表示第x-1年的產量，a為常數，b、c、d為回歸系數；

S4，根據和角公式將所述波動分量轉化為周期變量W(T_i)，將所述周期變量加入所述最佳趨勢模型，得到第一模型；

Y_t＝f(X)+W(T_i)

具體過程如下：

波動分量的模型為：W_x＝p+q*Sin(x+r)；

其中W_x表示第x年的波動分量，p為常數、q為系數、r為初始角；

利用和角公式，則模型變為：W_x＝p+q*Cos(r)*Sin(x)+q*Sin(r)*Cos(x)；

令：m＝q*Cos(r)；n＝q*Sin(r)；

則得到單周期即一個周期內的波動分量模型：W_x＝p+m*Sin(x)+n*Cos(x)；

對于連續周期，則上式變為：

W_x＝p+m*Sin(2πx/T)+n*Cos(2πx/T)；

其中，p為常數、m和n為系數、x為年度序號、T為周期長度，π是圓周率3.14；

將上述連續周期的分量模型合并進趨勢分量模型，則包含趨勢分量和一個周期分量模型的混合模型為：

Y_x＝k+b x+c x²+d Y_x-1+m*Sin(2πx/T)+n*Cos(2πx/T)；

其中，k為常數，b、c、d為回歸系數，m和n為系數、x為年度序號、T為周期長度，π是圓周率3.14；

S5，設所述原始時間序列的周期長度T分別取值1、2…N；則將T的N個取值分別代入第一模型，得到Y₁、Y₂…Y_N；分別計算Y₁、Y₂…Y_N的可決系數，得到N個可決系數；以可決系數最大化原則自動選取最大影響作用的z個周期長度；設z個周期長度分別表示為T₁、T₂…T_z；

S6，將z個周期長度代入第一模型，得到最終完整模型：

Y_t＝f(X)+W(T₁)+W(T₂)…W(T_z)；

Y_x＝k+b x+c x²+d Y_x-1+m₁*Sin(2πx/T₁)+n₁*Cos(2πx/T₁)+m₂*Sin(2πx/T₂)+n₂*Cos(2πx/T₂)+…+m_z*Sin(2πx/T_z)+n_z*Cos(2πx/T_z)；

其中，Y_x表示第x年的產量，Y_x-1表示第x-1年的產量，k為常數，b、c、d為回歸系數，m₁、m₂…m_z和n₁、n₂…n_z為系數、x為年度序號、T₁、T₂…T_z為周期長度，π是圓周率3.14；

S7，以上述最終完整模型對所述原始時間序列進行運算，確定具體模型參數，化為多元線性回歸模型，從而預測所述原始時間序列的變化趨勢。