[发明专利]基于统计信号处理的时间序列特性评价的预测模型选择方法

摘要

基于统计信号处理的时间序列特性评价的预测模型选择方法，属于时间序列预测领域。为了解决目前的倒闸操作票托板在特殊情况下使用不便的问题。所述方法包括：对输入时间序列进行幅值连续性、长记忆性、趋势性和季节性判断，确定输入时间序列的特性评价种类；步骤二：根据步骤一确定的种类与预测模型之间的映射关系，获取相应种类的预测模型；步骤三：在相应种类的预测模型中选择最优的一个，用于时间序列预测。本发明用于时间序列预测模型预测时间序列。

主权项

一种基于统计信号处理的时间序列特性评价的预测模型选择方法，其特征在于，所述方法包括如下步骤：步骤一：输入时间序列，进行特性判断：对输入时间序列进行幅值连续性、长记忆性、趋势性和季节性判断，确定输入时间序列的特性评价种类，所述特性评价种类包括幅值连续‑随机游走性时间序列、幅值连续‑短记忆性时间序列、幅值连续‑趋势性‑季节性时间序列、幅值连续‑趋势性‑指数趋势时间序列、幅值连续‑趋势性‑非指数趋势时间序列、幅值连续‑趋势性‑复杂趋势时间序列、幅值连续‑长记忆性‑季节性时间序列、幅值连续‑长记忆性‑无季节性时间序列和幅值离散时间序列；步骤二：根据步骤一确定的种类与预测模型之间的映射关系，获取相应种类的预测模型；步骤三：在相应种类的预测模型中选择最优的一个，用于时间序列预测。