搜索
RRRRRRRR用于处理时间序列用于处理时间序列（（TARTARTARTARTARTARTARTAR）数据）数据报告人：胡一睿报告人：胡一睿20102010201020102010201020102010年年66666666月月2010-6-12概要概要•数据预处理•点值图•门限筛选数据•两组回归•拟合图像•预测背景介绍背景介绍•英籍华人H.TONG博士于1978年首先提出•Fan&Yao–NonlinearTimeSeries•用TAR处理此类非线性数据2010-6-13TARTARTARTARTARTARTARTAR基本思路基本思路•关键词：门限非线性•在观测时序内引入l-1个门限值，其中j=1,…,l-1。将时间轴分成l个区间，并用延迟步数d将{X(t)}按{X(t-d)}值的大小分配到不同的门限区间内，然后对不同区间内的{X(t)}采用不同的AR模型来描述整个系统2010-6-142010-6-15导入数据导入数据•ChangeDirCsv格式data-read.csv(data4.csv)数据预处理数据预处理•x-read.csv(data4.csv)•y-as.numeric(x[,2])•lines(density(y))•lines(density(rnorm(100000,mean(y),sd(y))))2010-6-16HistogramofyHistogramofyHistogramofyHistogramofyyDensity20000600001000000.0e+001.0e-052.0e-05条件期望估算法条件期望估算法即通过估计条件期望来确定门限个数。在二维坐标平面中作点（X(t),E(X(t)|X(t-r))）的图形，若点值图为线性分布，即对应平稳正态序列，则采用线性时序模型来描述；若点值图为非线性分布，则应采用非线性模型，特别地，当点值图呈分段线性分布时，应采取门限自回归模型。2009-3-478条件期望估算法条件期望估算法确定门限个数和门限值一个门限门限值为10.772010-6-1按不同门限筛选数据按不同门限筛选数据•thres-(10.77)•if(x[(t-3)]thres)•Else得到两组回归数据2010-6-19分别回归分别回归•xreg-cbind(x0,x1,x2,x3,x4,x5,x6,x7,x8)•yreg-cbind(y0,y1,y2,y3,y4,y5,y6,y7,y8)2010-6-11018501870189019102.302.352.402.45x[,1]y拟合后的图像拟合后的图像与原图趋势大体相同，拟合较好。2010-6-111185018601870188018901900191010.010.511.011.5x[,1]y白噪声检验白噪声检验c2-NULLc5-NULLfor(iin7:64){if(y[i-3]=mean(y)){zc5-c(c5,i)c2-c(c2,z)}}2010-6-112RRRRRRRR作图作图abline(,,,1911,lty=1)abline(,,,1916,lty=1)legend(1916,10,c(1,2,3,4,5步预报))legend(1860,10,c('o'表示一步预报))legend(1920,11.5,c('o'表示1912-1965的预报))lines(seq(1848,1911),y,type=o,pch=16)abline(,,mean(y))2010-6-113预报图预报图2009-3-41418601880190019201940196010.010.511.011.5Yearln()1,2,3,4,5'o''o'1912-1965Thankyou!Thankyou!Thankyou!Thankyou!Thankyou!Thankyou!Thankyou!Thankyou!