目前,測量儀器校準時間序列預測的方法有:趨勢外推法、指數平滑法、自回歸移動平均模型、支持向量機、灰色預測、神經網絡預測、模糊控制等以及它們的改進模型。根據測量儀器校準已知信息情況可大致分為基于歷史數據的回歸分析預測、基于灰色系統理論的預測和基于模糊理論的預測。
(1)基于回歸分析理論的預測方法
根據回歸分析理論進行預測是通過分析數據的內在規律,建立自變量與因變量的模型并利用小二乘法估計出相關參數,進而對發展趨勢做出預測。回歸分析理論已經發展比較成熟,而且預測過程簡單。缺陷是需要較多的歷史數據,預測誤差精度不穩定且不適合于中長期預測。
(2)基于模糊理論的預測方法
模糊理論是指事物的內涵明確而外延具有不確定性,通過數學手段處理模糊的評價對象,能對隱藏信息具有模糊性的部分作出相對正確的量化評價。模糊預測技術能從不確切、部分已知的信息中探尋,結合專家系統知識庫,得到比較準確的預測值。模糊預測不需要建立數學預測模型但計算復雜,具有一定的主觀性。
(3)基于灰色系統理論的預測方法
它與模糊理論不同,灰色系統著重外延明確,內涵不明確的對象。灰色預測方法的主要特點表現在對數據進行灰化處理,然后建立微分方程。和信號處理中的采樣原理一樣,它把離散的點當作連續系統的樣本點,通過對原始數據做數學變換,得到一個累加數列,然后對新數列建立微分方程,此時的數列會顯示出規律性,一般呈指數規律。
人們對測量儀器校準時間序列的研究和應用經歷了很長的時間,在一些簡單理想的情況下依托隨機模型的經典序列分析在建模、預測等領域擁有眾多成果。但是,對于實際問題中具有諸多非線性特征和復雜情況下的時間序列預測,經典序列難以建立有效的模型并作出預測。隨著時代的發展,神經網絡、遺傳算法和小波變換等智能算法依托計算機技術的發展,展現出強大的生命力,這些方法使得人們能夠對非平穩時間序列進行有效的分析處理,可以對一些非線性的行為作出預測,這是對時間序列分析的一個有力補充。