对于太阳黑子这些数据的拟和已经很旧了,我看过一些人写的文章,他们用的是ARIMA模型和神经网络结合去模拟.结果很好!
ARIMA 与ANN 模型两者都成功地被运用于其各自的线性与非线性领域。但是,它们两个都不是可以适用于所有时间序列预测的通用模型。文[17]中提出了将两者结合起来的思想,并把组合模型用于太阳黑子的预测问题,取得了较好的预测效果。
从预测过程看,ARIMA用于线性部分的预测,而ANN模型用于非线性部分预测,通过对ARIMA和ANN模型的综合运用,就发挥了这两种模型的长处,从而提高了预测准确度。
关于组合模型方面,我做几种的组合模型(有兴趣你可以加我msn讨论:luobin.feng@ipsos.com.cn)
① 在一些没什么规律波动的数据,而且解析变量比较难找的情况下,就应该采用灰色拓扑预测与神经网络结合(因为灰色拓扑预测有效的解决神经网络不可避免地存在局部极小的问题);
② 而对于一些时间序列的数据,很明显的涉及到外在因素影响的时候,就应该使用回归模型与ARIMA模型(或者神经网络)相结合(这样不单把数据的内在的因素表示出来,而且也把数据的外在因素表示出来);
③ 更有些情况,就是对于一个点的数据,有很多数据来源(或者受到很多地方影响)在这样的情况下,应该对于不同的数据来源选择各自合适的模型进行预测,最后使用数据融合的思想得到最终结果;等等。