目前,测量仪器校准时间序列预测的方法有:趋势外推法、指数平滑法、自回归移动平均模型、支持向量机、灰色预测、神经网络预测、模糊控制等以及它们的改进模型。根据测量仪器校准已知信息情况可大致分为基于历史数据的回归分析预测、基于灰色系统理论的预测和基于模糊理论的预测。

(1)基于回归分析理论的预测方法

根据回归分析理论进行预测是通过分析数据的内在规律,建立自变量与因变量的模型并利用小二乘法估计出相关参数,进而对发展趋势做出预测。回归分析理论已经发展比较成熟,而且预测过程简单。缺陷是需要较多的历史数据,预测误差精度不稳定且不适合于中长期预测。

(2)基于模糊理论的预测方法

模糊理论是指事物的内涵明确而外延具有不确定性,通过数学手段处理模糊的评价对象,能对隐藏信息具有模糊性的部分作出相对正确的量化评价。模糊预测技术能从不确切、部分已知的信息中探寻,结合专家系统知识库,得到比较准确的预测值。模糊预测不需要建立数学预测模型但计算复杂,具有一定的主观性。

(3)基于灰色系统理论的预测方法

它与模糊理论不同,灰色系统着重外延明确,内涵不明确的对象。灰色预测方法的主要特点表现在对数据进行灰化处理,然后建立微分方程。和信号处理中的采样原理一样,它把离散的点当作连续系统的样本点,通过对原始数据做数学变换,得到一个累加数列,然后对新数列建立微分方程,此时的数列会显示出规律性,一般呈指数规律。

人们对测量仪器校准时间序列的研究和应用经历了很长的时间,在一些简单理想的情况下依托随机模型的经典序列分析在建模、预测等领域拥有众多成果。但是,对于实际问题中具有诸多非线性特征和复杂情况下的时间序列预测,经典序列难以建立有效的模型并作出预测。随着时代的发展,神经网络、遗传算法和小波变换等智能算法依托计算机技术的发展,展现出强大的生命力,这些方法使得人们能够对非平稳时间序列进行有效的分析处理,可以对一些非线性的行为作出预测,这是对时间序列分析的一个有力补充。