文献综述
文献综述
时间序列是指某种统计指标的数值，按照时间先后的顺序排列起来的数列。在时间序列发展的过程中，它慢慢的受到各领域的广泛应用。[1]
追溯时间序列分析方法的起源可以追溯到1927年，为了预测市场变化的规律，科学家耶尔(Yule)提出建立自回归(AR)模型。接着1931年，另一个数学家瓦尔格(Walker)在耶尔所提的理论基础下，建立了当时主要应用在经济分析和市场预测的模型：滑动平均(MA)模型和自回归、滑动平均(ARMA)混合模型，并且在当时初步奠定了时间序列分析方法的基石。到1960年代，时间序列分析的理论及方法进去了一个新阶段，有人证明AR模型的功率谱估计与最大熵谱(MES)估计是等效的，并称之为现代谱估计，而这个理论来源于科学家伯格(Burg)在研究地震信号时提出最大熵谱估计理论。经典谱分析有分辨率不高和频率漏泄严重等缺点，而现代谱估计则很好的克服了这些缺点，这样很好的使时间序列分析方法不仅在频率域内得到应用，而且扩展到时间域内，在各种工程领域内得到广泛的应用。[2]随着1970年，美国统计学家G.E.P.Box和英国统计学家G.M.Jenkinsy一起出版了《时间序列分析-预测与控制》一书，在书中，他们总结前人的研究基础上，系统阐述了对求和自回归滑动平均(autoregressiveintegrated moving average,ARIMA)模型的识别、估计、检验及预测的原理及方法。ARIMA模型实际上是主要运用于单变量、同发差场合的线性模型。随着人们对各领域时间序列的深入研究，发现该经典模型在理论和应用还存在着很多的局限性。
在异方差场合，美国统计学家、计量经济学家Robert F.Engle在1982出了自回归条件异方差(ARCH)模型，用以研究英国通货膨胀率的建模问题。为了进一步放宽ARCH模型的约束条件，Bollerslov在1986年提出了广义自回归条件异方差（GARCH）模型，在1987年又提出了TARCH模型。随后Nelson等人又提出了指数广义自回归条件异方差（EGARCH）模型。Dingo，GrangerEngle(1993)考虑到了杠杆效应通过引入非对称参数又提出了有偏幂ARCH(APARCH)模型。这些异方差模型是对经典的ARIMA模型很好的补充。
2009年赵晓葵在《基于Box-Jenkins方法的中国年度GDP时间序列分析建模与预测》中提到，1970年美国统计学家G.E.P.Box和英国统计学家G.M.Jenkinsy在总结前人的研究基础上，系统阐述了对求和自回归滑动平均(autoregressiveintegrated moving average,ARIMA)模型的识别、估计、检验及预测的原理及方法。
课题研究的意义和价值
生物质能就是太阳能以化学能形式贮存在生物质中的能量形式，即以生物质为载体的能量。生物质能是太阳能以化学能形式贮存在生物质中的能量形式，即以生物质为载体的能量。它直接或间接地来源于绿色植物的光合作用，取之不尽、用之不竭，其具有蕴藏量大、普遍性、易取性、挥发性高、炭活性高、易燃性的特点。生物质能源是目前世界上应用最广泛的可再生能源，消费总量仅次于煤炭、石油、天然气，位居第四位，它也是唯一可循环、可再生的炭源。现代生物质能源具备显著环保特性，实现碳零循环，排放少量的氮氧化物和硫化物。
课题研究的现状及发展趋势
1.我国生物质发电产业正处于起步阶段,产业化和商业化程度较低。基于时间序列，对生物质发电厂历史发电量建立数学模型，并预测未来的日发电量，对所有清洁能源一律确保其发电量全额上网，以及采购适量的生产原料都具有实践指导意义。
