删失数据下的时间序列模型参数估计及预测的中期报告.docx

删失数据下的时间序列模型参数估计及预测的中期报告
本研究旨在研究如何使用时间序列模型对删失数据进行参数估计和预测，并从中发现并评估可能出现的问题。
在删失数据预测中，我们将使用ARIMA模型来处理未来时间点的预测。在本研究中，我们使用离散平均增长率（DAGR）作为一个重要的参数来进行分析。DAGR是指时间序列中两个时间点之间的增长率，并且选择正确的DAGR是极其重要的。
在处理删失的数据时，我们使用了两种方法：一种方法是使用平均值来填充缺失的数据，另一种方法是使用线性插值方法来进行数据填充。这些方法可以帮助我们减少缺失数据的影响，并且减少我们模型的预测误差。
在本研究中，我们还使用了模型选择方法来选择最优的ARIMA模型，并使用交叉验证来评估模型的预测性能。我们还使用了调整后的R平方值和均方根误差（RMSE）来评估我们的模型的准确性。
初步结果表明，使用线性插值来填充删失数据的ARIMA模型能够更好地对未来时间点进行预测，而平均值填充方法的预测误差较大。我们还发现，通过选择正确的DAGR和模型选择方法可以更好地提高预测性能。
在接下来的研究中，我们计划更好地探究ARIMA模型和其他时间序列模型的预测性能，并尝试使用其他数据填充方法来处理缺失数据。我们还将尝试使用其他性能评估指标来评估我们的模型预测能力。