当前位置：文档库 › 基于ADAMS的洗衣机配重位置的修正方法研究

基于ADAMS的洗衣机配重位置的修正方法研究

第４期付素芳等：基于ＡＤＡＭＳ的洗衣机配重位置的修正方法研究１１３

▲图２最优上配重位置时简体质心的运动规律

基于修正的洗衣机虚拟样机，可以进一步研究弹簧刚度系数、阻尼器的阻尼系数及其相应的安装倾角等主要设计参数的取值对脱水工况下的洗衣机振动性能的影响，从而可以按照洗衣机悬挂系统动态性能的设计要求，进行结构动态优化设计。

参考文献：

［１］ＯＳＴｕｒｋａｙ，ＡＫＴｕｇｎｕ，ＩＴＳｕｍｅｒ．ｅｔａ１．Ｓｕｓｐｅｎｓｉｏｎｄｅｓｉｇｎｏｐｔｉ?ｍｉｚａｔｉｏｎｏｆａｗａｓｈｉｎｇｍａｃｈｉｎｅ：ｐａｒｔＩ－ｍｏｄｅｌｉｎｇａｎｄ

ｖａｌｉｄａｔｉｏｎ》ｓｕｉｔｓ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＡＳＭＥｏｎＡｄｖａｎｃｅｓｉｎＤｅｓｉｇｎＡｕｔｏ－

ｍａｔｉｏｎ，Ａｌｂｕｑｕｅｒｑｕｅ，ＮｅｗＭｅｘｉｃｏ，ＵＳＡ。１９９３．ＰＰ．１２５—１３２．［２］ＳＢａｅ，ＪＭＬｅｅ，ＹＪＫａ｜ｌｇ，ｅｔａ１．Ｄｙｎａｍｉｃａｎａｌｙｓｉｓｏｆａｎａｕｔｏｍａｔ—

ｉｃ

ｗａｓｈｉｎｇ

ｍａｃｈｉｎｅｗｉｔｈａｈｙｄｒａｕｌｉｃｂａｌａｎｃｅｒ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｏｕｎｄａｎｄｖｉｂｒａｔｉｏｎ（２００２）２５７（１），３～１８．

［３］ＤＣＣｏｎｒａｄ，ＷＳｏｅｄｅｔ．ｏｎｔｈｅＰｒｏｂｌｅｍｏｆＯｓｃｉｌｌａｔｏｒｙＷａｌｋｏｆＡｕ－ｔｏｍａｔｉｃＷａｓｈｉｎｇＭａｃｈｉｎｅｓＪＩ．ＪｏｕｒｎａｌｏｆＳｏｕｎｄａｎｄＶｉｂｒａｔｉｏｎ，１９９５，１８８（３）：３０１—３１４．

［４］ＯＳＴｕｒｋａｙ，ＩＴＳｕｍｅｒ，ＡＫＴｕｇｃｕ．Ｍｏｄｅｌｉｎｇａｎｄｄｙｎａｍｉｃａｎａｌｙ?８ｉｓｏｆｔｈｅｓｕｓｐｅｎｓｉｏｎｓｙｓｔｅｍｏｆａｆｒｏｎｔｌｏａｄｅｄｗａｓｈｉｎｇｍａｃｈｉｎｅ

［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＡＳＭＥｏｎＡｄｖａｎｃｅｓｉｎＤｅｓｉｇｎＡｕｔｏｍａ－ｔｉｏｎ，Ｐｈｏｅｎｉｘ，ＵＳＡ，１９９２，３８３～３９０．

［５］ＤＮｅｇｒｕｔ，ＡＤｙｅｒＤｙｅｒ．ＡＤＡＭＳ／ＳｏｌｖｅｒＰｒｉｍｅｒ［Ｚ］．ＭＳＣ，２００４．［６］范成建．虚拟样机软件ＭＳＣ．ＡＤＡＭＳ应用与提高［Ｍ］．北京：机械工业出版社，２００６．

［７］王勖成．有限单元法［Ｍ］．北京：清华大学出版社，２００３．

［８］史洲亮，王霄锋，吴超，等．ＡＤＡＭＳ整车建模中悬架关键点精度对仿真结果的影响［Ｊ］．拖拉机与农用运输车，２００６，３３（６）：

７５—７６．

作者简介：付素芳（１９６８一），女，河南新乡人，博士研究生，副教授；从事机械结构动态优化设计。

ｏ◆ｏｏ●ｏｏ●ｏｏ●ｏｏ●ｏｏ●００●ｏｏ●ｏｏ◆ｏｏ●ｏｏ●ｏ口●ｏｏ●００●ｏｏ●００◆ＯＯ●ｏｏ●ｏＯ●ＯＯ●ｏｏ●ＯＯ●ｏｏ●ｏｏ●ｏｏ●ｏｏ◆ｏｏ●ｏＯ◆００●ｏＯ●ＯＯ●ｏＯ●Ｏｏ●ｏＯ●ｏｏ●ｏｏ●Ｏｏ●ｏｏ◆ｏｏ●Ｏｏ●ＯＯ●Ｏｏ●ｏＯ●ｏＯ●ｏｏ●ｏｏ●Ｏ【上接第１０９页）

表４改进方案与原型结要对比

＼＼参数最大最大方案＼＼位移应力重量单元节点

＼（ｆｉｌｍ）（ＭＰａ）

（ｋｇ）总数总数原结构Ｏ．４１８１５００．４１８２３１１５５４４９

改进方案０．３４０８７０．３４０２４０１２５６４６

结果比较１１８．７％１４２％ｉ１８．７％

由上表可知：改进方案与原结构相比较，在重量基本不变的情况下，最大位移减少了１８．９％，最大应力减小了４２％。由此可以得出结论，该方案在重量增加很小的情况下获得较大的应力和变形减小值，是可行的。

４结论

以上首先运用电测法及有限元分析软件对注塑机定模板进行变形及应力分析，验证了有限元计算模型及分析结果的正确性后，进一步利用该软件所提供的基于变密度的拓扑优化方法对注塑机模板进行三维结构优化设计。优化后模板与原模型相比较，在重量基本不变的情况下，大大降低了应力和变形。

拓扑优化法为三维连续体的结构设计提供了一种新型的设计手段，它完全打破了传统的经验式的保守的设计模式，使设计从被动地安全校核转变为积极主动地寻优，在降低费用、提高效率方面有着广阔的发展前景。通过运用拓扑优化法对定模板结构进行分析改进，取得了很好的效果，这对其它模板的设计也有一定的参考价值。

参考文献：

［１］北京化Ｔ大学，华南理工大学．塑料机械设计［Ｍ］．北京：中国轻工业出版社，１９９１．

［２］李竞．注甥机模板的有限元分析及拓扑优化设计［Ｄ］．南宁：广西天学，２００２．

［３］黄长艺．机械工程测试技术基础［Ｍ］．北京：机械工业出版社，１９９５．

［４］ＣｈｅｎｇＧＤ．ＪｉａｎｇＺ．Ｓｔｕｄｙｏｎｔｏｐｏｌｏｇｙｏｐｔｉｍｉｚａｔｉｏｎｗｉｔｈｓｔｒｅｓｓｃｏｎｓｔｒａｉｎｔｓ［Ｊ］．ＥｎｇＯｐｔ．，１９９２（２０）：１２９～１４８．

［５］Ａｎｓｙｓ．Ａｎｓｙｓ高级技术分析指南【Ｒ］．ＡｎｓｙｓＣｈｉｎａ，１９９８．

［６］郭东明．基于均匀化理论的微小型柔性结构拓扑优化的敏度分析［Ｊ］．中国机械工程，１９９９．１１：１２６４～１２６６１．

［７］ＳｕｉＹｕｎ—ｋａｎｇ，ＹａｎｇＤｅ—ｑｉｎｇ．ＡｎｅｗＭｅｔｈｏｄＦｏｒｓｔｒｕｃｔｕｒａｌＴｏｐｏｉ—ｏｇｉｃａｌｏｐｔｉｍｉｚａｔｉｏｎ

Ｂａｓｅｄｏｎｔｈｅ

ｃｏｎｃｅｐｔ

ｏｆｉｎｄｅｐｅｎｄｅｎｔｃｏｎｔｉｎｕｏｕｓＶａｒｉａｂｌｅｓａｎｄＳｍｏｏｔｈｍｏｄｅｌ［Ｊ］．ＡＣＴＡＭＥＣＨＡＮｌＣＣＡＳＩＮＩＣＡ，

１９９８，１４：１７９～１８５．

作者简介：李竞（１９７２一），女，讲师，硕士；研究方向：有限元分析

及优化、工程图学研究，已发表论文五篇。

基于ADAMS的洗衣机配重位置的修正方法研究

作者：付素芳，陈海卫，张秋菊，孙益民， FU Su-fang， CHEN Hai-wei， ZHANG Qiu-ju，SUN Yi-min

作者单位：付素芳,FU Su-fang(江南大学,机械工程学院,江苏无锡,214122;河南科技学院,河南新乡,453003)，陈海卫,张秋菊,孙益民,CHEN Hai-wei,ZHANG Qiu-ju,SUN Yi-min(江南大学,机

械工程学院,江苏无锡,214122)

刊名：

机械设计与研究

英文刊名：MACHINE DESIGN AND RESEARCH

年，卷(期)：2008,24(4)

参考文献(8条)

1.O S Turkay;A K Tugeu;I T Sumer Suspension design optimization of a washing machine:part I-modeling and validation results 1993

2.S Bae;J M Lee;Y J Kang Dynamic analysis of an automatic washing machine with a hydraulic balancer [外文期刊] 2002(01)

3.D C Conrad;W Soedet on the Problem of Oscillatory Walk of Automatic Washing Machines 1995(03)

4.O S Turkay;I T Sumer;A K Tugeu Modeling and dynamic analysis of the suspension system of a front loaded washing machine 1992

5.D Negrut;A Dyer Dyer ADAMS/Solver Primer 2004

6.范成建虚拟样机软件MSC.ADAMS应用与提高 2006

7.王勖成有限单元法 2003

8.史训亮;王霄锋;吴超ADAMS整车建模中悬架关键点精度对仿真结果的影响[期刊论文]-拖拉机与农用运输车

2006(06)

本文读者也读过(10条)

1.李兵BPX型洗衣机排水泵内流分析及优化方案探讨[学位论文]2010

2.佚名当心家用电器成卫生"死角"[期刊论文]-广西质量监督导报2010(5)

3.贾文友.刘莉.JIA Wen-you.LIU Li PDCA循环在洗衣机底座防鼠板处结构的改进[期刊论文]-轻工机械

2009,27(6)

4.曹军.吴建东.沈锋明.Cao Jun.Wu Jiandong.Shen Fengming洗衣机用抗菌聚丙烯专用料的研制[期刊论文]-石油化工技术与经济2009,25(1)

5.糜屹冬顶开式滚筒洗衣机的G-FALL纠偏及脱水控制[期刊论文]-家用电器（绿色家电）2009(3)

6.鲁建国洗衣机生态设计行业标准解析[期刊论文]-电器2010(3)

7.许振刚家用洗衣机用电量、用水量测试方法研究[期刊论文]-家电科技2011(2)

8.潘皓炫洗衣机箱体角铁铆点底厚质量数据统计分析案例[期刊论文]-家电科技2003(12)

9.余少华.Shao-hua She洗衣机无平衡铁的新工艺[期刊论文]-家电科技2005(2)

10.张卫民.张连文衣物偏心量的统计测试及对整机工作影响的探讨[期刊论文]-家用电器科技2001(2)

本文链接：https://www.wendangku.net/doc/0617079151.html,/Periodical_jxsjyyj200804029.aspx

自回归AR模型、移动平均MA模型及自回归移动平均ARMA模型的比较分析

自回归AR模型、移动平均MA模型与自回归移动平均ARMA模型的比较分析系统中某一因素变量的时间序列数据没有确定的变化形式，也不能用时间的确定函数描述，但可以用概率统计方法寻求比较合适的随机模型近似反映其变化规律。(自变量不直接含有时间变量,但隐含时间因素) 1．自回归AR(p)模型（R：模型的名称P：模型的参数）（自己影响自己，但可能存在误差，误差即没有考虑到的因素） (1)模型形式（εt越小越好，但不能为0：ε为0表示只受以前Y的历史的影响不受其他因素影响） yt=φ1yt-1+φ2yt-2+……+φpyt-p+εt 式中假设：yt的变化主要与时间序列的历史数据有关，与其它因素无关； εt不同时刻互不相关，εt与yt历史序列不相关。式中符号：p模型的阶次，滞后的时间周期，通过实验和参数确定；yt当前预测值，与自身过去观测值yt-1、…、yt-p是同一序列不同时刻的随机变量，相互间有线性关系，也反映时间滞后关系； yt-1、yt-2、……、yt-p同一平稳序列过去p个时期的观测值； φ1、φ2、……、φp自回归系数，通过计算得出的权数，表达yt依赖于过去的程度，且这种依赖关系恒定不变； εt随机干扰误差项，是0均值、常方差σ2、独立的白噪声序列，通

过估计指定的模型获得。 (2)识别条件当k>p时，有φk=0或φk服从渐近正态分布N(0,1/n)且(|φk|>2/n1/2)的个数≤4.5%，即平稳时间序列的偏相关系数φk为p步截尾，自相关系数rk逐步衰减而不截尾，则序列是AR(p)模型。实际中，一般AR过程的ACF函数呈单边递减或阻尼振荡，所以用PACF函数判别(从p阶开始的所有偏自相关系数均为0)。(3)平稳条件一阶：|φ1|<1。二阶：φ1+φ2<1、φ1-φ2<1、|φ2|<1。φ越大，自回归过程的波动影响越持久。 (4)模型意义仅通过时间序列变量的自身历史观测值来反映有关因素对预测目标的影响和作用，不受模型变量相互独立的假设条件约束，所构成的模型可以消除普通回归预测方法中由于自变量选择、多重共线性等造成的困难。 2．移动平均MA(q)模型 (1)模型形式 yt=εt-θ1εt-1-θ2εt-2-……-θpεt-p (2)模型含义用过去各个时期的随机干扰或预测误差的线性组合来表达当前预测值。 AR(p)的假设条件不满足时可以考虑用此形式。

移动自回归平均模型分析中国股市价格走势

利用自回归移动平均模型分析中国股市价格走势摘要：股市可以广泛地动员，积聚和集中社会的闲散资金，为国家经济建设发展服务，扩大生产建设规模，推动经济的发展，并收到“利用内资不借内债”的效果。也可以促进我国经济体制改革的深化发展，可以扩大我国利用外资的渠道和方式，增强对外的吸纳能力。改革开放以来，经济发展为广大的投资者和人民大众带来很大的财富，因此投身股市的股民与机构越来越多。维持我国股市的正常运行，保障广大股民的利益，探究股票市场的发展规律，我们选取上海证券交易所的开盘价作为研究对象，通过建立ARMA 模型和GARCH 模型，对数据进行研究分析，研究股市价格走势与其前期的价格之间的联系。其结果对于引导投资者理性投资，认真分析股市走势具有一定的指导意义。关键词：股票市场自回归移动平均模型价格走势一、前言改革开放以来，中国经济增长获得了令世人瞩目的成就。许多中外学者对中国经济增长的源泉进行了深入的研究，但是迄今为止各类研究多是侧重于各个时期投资水平或投资效率对经济增长的贡献，忽略了金融发展在经济增长中的作用，而金融部门对时间经济部门的影响举足轻重。众多学者从理论分析和实证检验的角度针对个体国家和多个国家以及不同行业和企业，并采用各种数据分析方法对金融发展与经济增长之间的关系进行深入和广泛的研究。作为金融发展重要组成部分之一的股票市场自上世纪八十年代以来在全球范围内得到了日新月异的发展。我国证券市场从九十年代初建立以来也获得长足发展。股市发展对经济增长的促进作用大于传统的金融机构——银行的作用。本论文根据最近一段时间上证指数的收盘价（P ）为数据来源，通过建立ARMA 模型和GARCH 模型，对数据进行研究分析，研究我国股票价格走势。这对于引导投资者理性投资具有一定的指导意义。二、建立模型首先要建立自回归移动平均模型，将上海证券交易所近日的收盘价作为时间序列数据，建立ARMA （p,q ）模型为： t 11 22 1122 Y ... ... t t p t p t t q t q t c Y Y Y 建立的GARCH （p,q ）模型为： 2 2222 2201122q 1122 p =+u u +u + t t t q t t t p …… 通过登录上海证券交易所网站，查询到上证指数连续交易日的每日收盘价（P ），从中选取自2012年2月15日到2012年4月27日之间共50个交易日的收盘价的相关数据，见表1-1所示。将数据导入Eviews 中，对数据进行相关分

自回归移动平均模型

第二章自回归移动平均模型一些金融时间序列的变动往往呈现出一定的平稳特征，由Box 和Jenkins 创立的ARMA 模型就是借助时间序列的随机性来描述平稳序列的相关性信息，并由此对时间序列的变化进行建模和预测。第一节 ARMA 模型的基本原理 ARMA 模型由三种基本的模型构成：自回归模型（AR ，Auto-regressive Model ），移动平均模型（MA ，Moving Average Model ）以及自回归移动平均模型（ARMA ，Auto-regressive Moving Average Model ）。 2.1.1 自回归模型的基本原理 1．AR 模型的基本形式 AR 模型的一般形式如下： t p t p t t t y y y y εφφφ+++++=---Λ2211c 其中，c 为常数项， p φφφΛ21, 模型的系数，t ε为白噪声序列。我们称上述方程为p 阶自回归模型，记为AR(p )。 2．AR 模型的平稳性此处的平稳性是指宽平稳，即时间序列的均值，方差和自协方差均与时刻无关。即若时间序列}{t y 是平稳的，即μ= )(t y E ，2)(σ=t y Var ，2),(s s t t y y Cov σ=-。为了描述的方便，对式（2.1）的滞后项引入滞后算子。若1-=t t x y ，定义算子“L ”，使得1 -==t t t x Lx y ， L 称为滞后算子。由此可知，k t t k x x L -=。对于式子（2.1），可利用滞后算子改写为： t t p p t t t y L y L Ly y εφφφ+++++=Λ221c 移项整理，可得： t t p p y L L L εφφφ+=----c )1(221Λ AR(p )的平稳性条件为方程012 21=----p p L L L φφφΛ的解均位于单位圆外。 3．AR 模型的统计性质（1）AR 模型的均值。假设AR(p )模型是平稳的，对AR(p )模型两边取期望可得： ) c (E )(Ε2211t p t p t t t y y y y εφφφ+++++=---Λ 根据平稳序列的定义知，μ=)(E t y ，由于随即干扰项为白噪声序列，所以0)(E =t ε，因此上式可化简为： 021)1(φμφφφ=----p Λ 所以，p φφφφμ----= Λ210 1

自回归分布滞后模型

三、实验内容及要求（1）实验内容运用ADL模型研究1992年1月到1998年12月我国城镇居民月对数人均生活费支出yt和对数可支配收入xt之间的长期稳定关系。（2）实验要求在认真理解模型应用条件的基础上，通过实验掌握ADL模型的实际应用方法，并熟悉Eniews的具体操作过程。四、实验指导（1）数据录入打开Eviews软件，选择“File”菜单中的“New--Workfile”选项，在“Workfile structure type”栏选择“Dated-regular frequency”，在“Data specification”栏中“Frequency”中选择“Monthly”即月份数据，起始时间输入1992m1即1992年1月份，止于1998m12，点击ok，见图6-1，这样就建立了一个工作文件。图6-1 建立工作文件窗口

自回归移动平均模型

自回归分布滞后模型(ADL)的运用实验指导

实验六自回归分布滞后模型（ADL ）的运用实验指导一、实验目的理解ADL 模型的原理与应用条件，学会运用ADL 模型来估计变量之间长期稳定关系。理解从经济理论上来说，两个经济变量之间的确有长期关系采用使用该模型进行估计。理解ADL 模型的优点：不管回归项是不是1阶单整或平稳都可以进行检验和估计。而进行标准的协整分析前，必须把变量分类成(0)I 和(1)I 。二、基本概念 Jorgenson(1966)提出的（,p q ）阶自回归分布滞后模型ADL(autoregressive distributed lag)：011111 i t t p t p t t q t q i t i i y y y ταφφεθεθεβ-----='=++++--+∑x ，其中t i -x 是滞后i 期的外生变量向量（维数与变量个数相同），且每个外生变量的最大滞后阶数为i τ，i β是参数向量。当不存在外生变量时，模型就退化为一般ARMA （,p q ）模型。如果模型中不含有移动平均项，可以采用OLS 方法估计参数，若模型中含有移动平均项，线性OLS 估计将是非一致性估计，应采用非线性最小二乘估计。三、实验内容及要求（1）实验内容运用ADL 模型研究1992年1月到1998年12月我国城镇居民月对数人均生活费支出yt 和对数可支配收入xt 之间的长期稳定关系。（2）实验要求在认真理解模型应用条件的基础上，通过实验掌握ADL 模型的实际应用方法，并熟悉Eniews 的具体操作过程。四、实验指导（1）数据录入打开Eviews 软件，选择“File”菜单中的“New --Workfile”选项，在“Workfile structure type ”栏选择“Dated-regular frequency ”，在“Data specification ”栏中“Frequency ”中选择“Monthly ”即月份数据，起始时间输入1992m1即1992年1月份，止于1998m12，点击ok ，见图6-1，这样就建立了一个工作文件。图6-1 建立工作文件窗口

自回归分布滞后模型

案例六自回归分布滞后模型（ADL ）的运用实验指导一、实验目的理解ADL 模型的原理与应用条件，学会运用ADL 模型来估计变量之间长期稳定关系。理解从经济理论上来说，两个经济变量之间的确有长期关系采用使用该模型进行估计。理解ADL 模型的优点：不管回归项是不是1阶单整或平稳都可以进行检验和估计。而进行标准的协整分析前，必须把变量分类成(0)I 和(1)I 。二、基本概念 Jorgenson(1966)提出的（,p q ）阶自回归分布滞后模型ADL(autoregressive distributed lag)：011111 i t t p t p t t q t q i t i i y y y ταφφεθεθεβ-----='=++++--+∑x ，其中t i -x 是滞后i 期的外生变量向量（维数与变量个数相同），且每个外生变量的最大滞后阶数为i τ，i β是参数向量。当不存在外生变量时，模型就退化为一般ARMA （,p q ）模型。如果模型中不含有移动平均项，可以采用OLS 方法估计参数，若模型中含有移动平均项，线性OLS 估计将是非一致性估计，应采用非线性最小二乘估计。三、实验内容及要求（1）实验内容运用ADL 模型研究1992年1月到1998年12月我国城镇居民月对数人均生活费支出yt 和对数可支配收入xt 之间的长期稳定关系。（2）实验要求在认真理解模型应用条件的基础上，通过实验掌握ADL 模型的实际应用方法，并熟悉Eniews 的具体操作过程。四、实验指导（1）数据录入打开Eviews 软件，选择“File”菜单中的“New --Workfile”选项，在“Workfile structure type ”栏选择“Dated-regular frequency ”，在“Data specification ”栏中“Frequency ”中选择“Monthly ”即月份数据，起始时间输入1992m1即1992年1月份，止于1998m12，点击ok ，见图6-1，这样就建立了一个工作文件。图6-1 建立工作文件窗口

自回归移动平均模型解析

第二章自回归移动平均模型一些金融时间序列的变动往往呈现出一定的平稳特征，由模型就是借助时间序列的随机性来描述平稳序列的相关性信息, 行建模和预测。第一节ARMA 模型的基本原理 ARMA 模型由三种基本的模型构成：自回归模型( AR, Auto-regressive Model )，移动平均模型(MA ，Moving Average Model )以及自回归移动平均模型 (ARMA ，Auto-regressive Moving Average Model )。 2.1.1自回归模型的基本原理 1. AR 模型的基本形式 AR 模型的一般形式如下：办乂「1办」? 2办上 ....... \%申；t 其中，c 为常数项，'1, 2^ \模型的系数，；t 为白噪声序列。我们称上述方程为 p 阶自回归模型，记为 AR(p )。 2. AR 模型的平稳性此处的平稳性是指宽平稳，即时间序列的均值，方差和自协方差均与时刻无关。即若时间序列｛%｝是平稳的，即 E(y t)=^, Var (y t 2 , Cov(y t , y —) = 。为了描述的方便，对式(2.1 )的滞后项引入滞后算子。若 y t 二x t j ，定义算子“ L ”， r . k 使得y t =Lx t =为4 L 称为滞后算子。由此可知， L 人=X t±。对于式子(2.1),可利用滞后算子改写为： y t =c 丄％ 2 L 2% p L P % t 移项整理，可得： (1- 丄- 2L 2 - - p L p )y t 二c ；t Box 和 Jenkins 创立的 ARMA 并由此对时间序列的变化进

自回归综合移动平均预测模型

自回归综合移动平均预测模型数据采集本文选取了2011年某省电力系统从1月1日开始之后80天的电力负荷观测，如表一。第n天负荷量第n天负荷量第n天负荷量第n天负荷量 1 2565957.38 21 2705368.6 41 2429907.99 61 2743833.56 2 2588923.0 3 22 2677964.55 42 2476962.26 62 2736933.52 3 2595037.39 23 2667444.01 43 2576255. 4 63 2773791.8 4 2621899.1 5 24 2659986.34 44 2614097.2 64 2748178.37 5 2605604.4 25 2646095.54 45 2680843.85 65 2737334.22 6 2597404.13 26 2652315.14 46 2775056.43 66 2720053.61 7 2363386.42 27 2641570.43 47 2728907.25 67 2700061.15 8 2620185.38 28 2584430.88 48 2611172.72 68 2709553.04 9 2615940.83 29 2474001.24 49 2601989.82 69 2681309.47 10 2615480.96 30 2396095.97 50 2668757.4 70 2683185.56 11 2612348.58 31 2288598.13 51 2677390.06 71 2661837.7 12 2610054.23 32 2166399.62 52 2695802.63 72 2644097.64 13 2610964.36 33 2062979.7 53 2689571.21 73 2685694.93 14 2637653.21 34 1997281.18 54 2654423.52 74 2702991.02 15 2633388.14 35 1925136.26 55 2642984.00 5 75 2687024.37 5 16 2640311.3 36 1970438.06 56 2712142.78 76 2680354.45 17 2678530.11 37 1976557.67 8 57 2754918.32 77 2682596.37 18 2687189.9 38 2050309.54 58 2758839.28 78 2695560.6 19 2694733.01 39 2154488.52 59 2817728.94 79 2674342.97 20 2709637.21 8 40 2384011.84 60 2759327.72 80 2685891.98 表1 数据处理利用spass绘制时间序列原始数据的散点图

(整理)自回归移动平均过程

A . 自回归移动平均过程(),ARMA p q 理论部分 1．基本概念 (),ARMA p q 表达式为： 112211.......t t t p t p t t q t q Y c Y Y Y φφφεθεθε-----=++++++++ （1）写成滞后算子的形式为： ()()2 1 2 1 1....1...p q p t q t L L L Y c L L φφφθθε----=++++ （2）两侧同时除以()2121....p p L L L φφφ----，从而得到 ()t t Y L μψε=+ （3）其中 ()() () 1 2 1 2 1...1....q q p p L L L L L L θθψφφφ+++= ---- ()12/1....p c μφφφ=---- j j ψ ∞ =<∞∑ 从而可以发现，(),ARMA p q 过程的平稳性完全取决于回归参数()12,,...,p φφφ而与移动平均参数无关。即(),ARMA p q 过程的平稳性条件为特征方程： 2121....0p p z z z φφφ----= 的根在单位圆外。（1）变形： ()()()112211.......t t t p t p t t q t q Y Y Y Y μφμφμφμεθεθε------=-+-++-++++ （4）两边同时乘以()t j Y μ--，求期望得到自协方差。当j q >时，结果方程的形式p 阶自协方差形式： 1122....j j j p j p γφγφγφγ---=+++ 1,2,.....j q q =++ （5）从而解为 1122....j j j j p p h h h γλλλ=+++ （6） j q ≤时的自协方差函数比较复杂，并且不具有应用意义。不过(),ARMA p q 过程

自回归移动平均程

————————————————————————————————作者：————————————————————————————————日期：