陈晓雷,王星星,申浩阳

(郑州轻工业大学计算机与通信工程学院,河南 郑州 450001)

0 引 言

所谓时间序列，是指以时间顺序取得的一系列观测值。时间序列分析是指对时间序列进行预测分析，在现实生活中被广泛应用[1]。近年来，国内外的很多学者提出或改进了基于时间序列的预测方法，应用在公共交通[2-4]、社会经济[5-7]、环境监测[8-10]、医学研究[11-12]等行业。

考虑一个时间序列可能会同时存在线性关系和非线性关系，预测方法有线性预测模型和非线性预测模型之分。国内学者大多采用传统的ARIMA模型和神经网络的结果组合模型来进行预测，例如张鹏[13]提出了ARIMA-GM-SVR非线性组合模型，并用PSO进行优化；李存祖[14]提出了基于ARIMA-BP-SVM混合预测模型；李鹏飞等[15]提出了一种基于ARIMA-Kalman滤波混合算法，用来预测苹果产量；张冬雪[16]提出了一种基于LSTM和ARIMA的风速时间序列预测模型，在预测精度上有较小提升；田东等[17]从挖掘温室历史温度数据信息的角度出发，提出了MA-ARIMA-GASVR组合预测模型来模拟温室温度的未来趋势。国外的学者大多利用改进的神经网络模型来实现预测，例如Budi等[18]改进了LSTM神经网络模型，并应用于智慧农业系统中；Tormozov等[19]用遗传算法优化后的神经网络模型预测时间序列；Ustundag等[20]提出了一种具有预测误差补偿的小波神经网络模型预测时间序列。

本文基于智慧农业系统对时间序列预测精度的要求以及以上学者的相关研究，提出一种基于差分整合移动平均自回归模型和小波神经网络的组合预测模型，根据某温室内历史温度数据对未来一段时间的温度值进行预测。……