S5.NUDT时间序列的概念7.3.112趋势项10-——周期项06随机项4221015202505某市六年来汽车货运量时间序列分解大学信息系统与管理学院6
6 国防科技大学信息系统与管理学院 S5.NUDT 7.3.1 时间序列的概念 某市六年来汽车货运量时间序列分解 —— 趋势项 —— 周期项 —— 随机项
S5.NUDT时间序列的概念7.3.1时间序列特征的识别设时间序列X1,X2,Xn，K个自相关系数：n-kZ(x, -x)(x+ -x)k =1,2...,Kt=1rk =nK≤Z(x, -x)24t=1其中n1Zx=xnt=1国防科技大学信息系统与管理学院7
7 国防科技大学信息系统与管理学院 S5.NUDT 时间序列特征的识别 设时间序列x1 ,x2 ,.,xn，K个自相关系数： 其中 7.3.1 时间序列的概念
S5.NUDT7.3.1时间序列的概念(1)时间序列的随机性识别1自相关系数法：如所有自相关系数都近似为零表明该时间序列完全由随机数组成■若计算较多（>20）的自相关系数，rk,k=1,2,...,20，当1.96-1.96<<Vnn则有95%的置信度认为所有rk与0无显著差异，因而认为该时间序列具有随机性特征。国防科技大学信息系统与管理学院8
8 国防科技大学信息系统与管理学院 S5.NUDT (1) 时间序列的随机性识别 自相关系数法：如所有自相关系数都近似为零， 表明该时间序列完全由随机数组成。 若计算较多（>20）的自相关系数， rk,k=1,2,.,20，当 则有95%的置信度认为所有rk与0无显著差异，因 而认为该时间序列具有随机性特征。 7.3.1 时间序列的概念
S5.NUDT7.3.1时间序列的概念(1)时间序列的随机性识别Box和Pierce方法：计算m个自相关系数r1，r2,….rm(m≥6,n>4m)，构造统计量Q为Q=nZr?取一定显著性水平α，则当Q≤x(m-1）时，诸rk(k=1,2,..m)与零无显著差异，时间序列有随机性，否则为非随机性，国防科技大学信息系统与管理学院
9 国防科技大学信息系统与管理学院 S5.NUDT (1) 时间序列的随机性识别 Box和Pierce方法：计算m个自相关系数r1 , r2 , ., rm(m≥6, n>4m) ，构造统计量Q为 取一定显著性水平α，则当 时， 诸 rk (k = 1,2,., m)与零无显著差异，时间序列有 随机性，否则为非随机性。 7.3.1 时间序列的概念
S5.NUDT时间序列的概念7.3.1例：whitenoiseorignal signalx3CO2-2-3--340.51.520.51.52010tXautocorrelationautocorrelation1.210.50.80.6(11XY0.40.2-0.5................0apAApAuyptwh...........4P-i--.----------:-0.2-0.20.1500.050.10.15-0.1-0.050.20.05-0.2-0.15-0.1-0.0500.10.150.2学院101t
10 国防科技大学信息系统与管理学院 S5.NUDT 7.3.1 时间序列的概念 例：