论文部分内容阅读
运用Mallat算法和Daubechies小波分解技术,把时间序列分解为比原始时间序列更单一的细节部分和概貌部分,然后把分解后的细节部分和概貌部分重构回原尺度,对重构后的各个时间序列用传统时间序列模型进行预测,由此建立高阶AR模型,最后累加各个时间序列预测结果得到原始时间序列的预测结果。通过对某地区工业总产值数据的分析和验证,表明AR-wavelets模型与传统单一模型相比可大大提高精度。