首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用AR(n)模型对分解后的时间序列进行预测,进而得到最终的预测结果.将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于BP网络的预测方法相比较表明:该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中

2.1 平稳性检验 ◼ 特征统计量 ◼ 平稳时间序列的定义 ◼ 平稳时间序列的统计性质 ◼ 平稳时间序列的意义 ◼ 平稳性的检验 2.2 纯随机性检验 ◼ 纯随机序列的定义 ◼ 纯随机性的性质 ◼ 纯随机性检验

Ø8.1 时间序列及其分解 Ø8.2 时间序列的描述性分析 Ø8.3 时间序列的预测程序 Ø8.4 平稳序列的预测 Ø8.5 趋势型序列的预测 Ø8.6 复合型序列的分解预测

13.1 时间序列及其分解 13.2 时间序列的描述性分析 13.3 时间序列的预测程序 13.4 平稳序列的预测 13.5 趋势型序列的预测 13.6 复合型序列的分解预测

◼ 13.1 时间序列及其成分 ◼ 13.2 时间序列的描述性分析 ◼ 13.3 时间序列的预测程序 ◼ 13.4 平稳序列的预测 ◼ 13.5 趋势型序列的预测 ◼ 13.6 复合型序列的分解预测

一、时间序列的平稳性 二、单整序列 三、单位根检验

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳时间序列分析 五、非平稳序列的确定性分析 六、非平稳序列的随机性分析 七、平稳性的单位根检验 八、单整、趋势平稳与差分平稳随机过程

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳时间序列分析 五、非平稳序列的确定性分析 六、非平稳序列的随机性分析 七、平稳性的单位根检验 八、单整、趋势平稳与差分平稳随机过程

第一节 时间数列的成分和预测方法 第二节 时间序列的描述性分析 第三节 时间序列预测的程序 第四节 平稳序列的预测 第五节 趋势型序列的预测 第六节 复合型序列的分解预测

第一节 时间序列及其平稳性 第二节 时间序列平稳性检验 第三节 时间序列的单积和协积