ARMA模 型 的 性 能 用 平 均绝 对 误 差 百 分 比 (meanabsolutepercentageerror,MAPE)和异常值检 出率 (outlierrecognitionrate,ORR)进 行 评 估. MAPE准则用来评估模型的拟合性能,其定义如下:
其中:fi和oi 分别为拟合值和观测值,n为训练数据的总数.MAPE值越小,模型的拟合性能越好.
当评估模型数据识别的性能时,人工模拟的异 常值被添加到初始时间序列中,构成人工模拟序 列.同时,定义大于原序列中最大值的点为已知异 常点,人工设计的已知异常点数值范围为原序列最 大值的１~１．２倍.为了定量说明模型的数据识别 性能,每个模型都将对３组不同的人工模拟序列进行识别,３组序列中异常值的个数分别为５、１０和 ２０.对于每组人工模拟序列,都将采用经过数据反 馈矫正和不经数据反馈矫正２种处理方式,这里的 数据反馈矫正即对超出预测置信区间的数值进行修正,最终利用 ORR表征模型数据识别的性能.
ORR定义如下:
其中:mf 和mt 分别为被检出的异常值个数和异常值的总个数。
