基于自适应提升小波变换的多变量时间序列预测方法

本发明公开了一种基于自适应提升小波变换的多变量时间序列预测方法，包括：构建自适应更新函数和自适应预测函数，实现自适应提升小波分解；通过自适应提升小波分解时间序列数据，得到低频近似系数和高频细节系数；利用OIF Elman神经对分解和分层重构得到的低频近似系数进行预测，得到时间序列的非线性预测结果；利用SARIMA模型捕捉时间序列的线性特征，得到时间序列的线性预测结果；将非线性预测结果和线性结果进行加权融合，获得最终预测结果。本发明能够实现对时间序列的有效分解，充分利用了时间序列的时域和频域信息，同时捕获了时间序列的非线性和线性特征，从而提高了预测精度。