论文部分内容阅读
为了准确把握全球稀土消费变化,本文在分析单整自回归移动平均（ARIMA）模型与非线性灰色伯努利（NGBM）模型特点的基础上,采用粒子群优化算法（PSO）对非线性灰色伯努利模型的参数进行了优选,建立了ARIMA耦合PSO-NGBM的全球稀土消费的时间序列预测模型。该模型将全球稀土消费时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用PSO-NGBM模型对其非线性残差进行估计,最终合成为整个序列的预测结果。预测结果表明,耦合模型的预测准确率显著高于单一的A