面对客观原因所导致数据变化的复杂性，传统的时间序列建模方法面临着挑战。本文在基于传统时间序列分析预测模型方法的基础上，创新性地引入控制方法，对模型进行改进，以提高其对于非常规数据的适应性。

我们首先将已经建立的时间序列模型改写为状态空间形式，再应用反馈控制函数调整闭环系统的控制输入，以改进模型的适应性。其次，在实证研究部分，本文以居民消费价格指数（CPI）为研究对象，采用新冠疫情爆发前后共86个月度数据作为分析样本，应用时间序列分析ARMA模型及控制理论来修改模型参数，提高拟合精度。并将改进前后模型对2023年3月的CPI指数做出预测，通过分析误差以及和原样本曲线的拟合程度，我们得出经控制方法改进后的模型对于近期预测具有更好效果。

Faced with the complexity of data changes caused by objective factors, traditional time series modeling methods are facing challenges. Based on the traditional time series analysis and prediction model method, this paper innovatively introduces the control method and improves the model to increase its adaptability to unconventional data.

Firstly, we change the established time series model into state space form, and then apply the feedback control function to adjust the control input of the closed-loop system to improve the adaptability of the model. Secondly, in the empirical study part, this paper takes the consumer price index (CPI) as the research object, adopts a total of 86 monthly data before and after the outbreak of the COVID-19 pandemic as analysis samples, and applies time series analysis of the ARMA model and control theory to modify the model parameters and improve the fitting accuracy. The CPI index in March 2023 is predicted by both the initial and improved models. By analyzing the error and the degree of fitting with the original sample curve, it is concluded that the improved model with the control method has a better effect on the near-term forecast.

[1] 刘佳雨,马冬鹤.最大值原理在求解最优控制问题中的应用研究[J].通化师范学院学报,2017,38(10):45-47.

[2] 梁卫征,张瑞成,王晓爽,李鹏飞,孙伟良.研究生“最优控制”课程教学案例建设研究[J].科技风,2023(08):49-51.

[3] 吕显瑞,黄庆道.最优控制理论基础[M].北京:科学出版社,2008.

[4] 陈林,谢佳春,马靓丽.中国短期CPI预测的最优模型研究——基于几种时间序列模型的选择与优化[J].当代经济,2022,39(05):9-16.

[5] 谢佳利,杨善朝,梁鑫.我国CPI时间序列预测模型的比较及实证检验[J].统计与决策,2008(09):4-6.

[6] 周美英.基于ARIMA模型的湖北省CPI时间序列分析及预测[J].时代金融,2011(15):66+110.

[7] 汪淼,郑舒婷.基于ARIMA模型的中国消费者价格指数时间序列分析[J].辽宁工程技术大学学报(自然科学版),2010,29(S1):130-132.

[8] 戴玉泉.基于ARIMA模型对江西省CPI的时间序列分析与预测[J].科学技术创新,2019(35):18-20.

[9] 周耀鉴,袁晨迅.基于分解-组合的预测模型在金融时间序列上的应用[J].电子技术与软件工程,2021(14):135-137.

[10] 卿松.SARS对中国经济影响的实证分析[J].集美大学学报(哲学社会科学版),2004(02):33-39.

[11] 贺星星.我国宏观经济智能预警系统的构建[J].科技管理研究,2011,31(11):195-198.

[12] 杨晋达. 最优控制问题和随机优化问题的数值方法研究[D].吉林大学,2021.

[13] 武赢时. 含有延时的倒立摆系统的最优控制[D].哈尔滨工业大学,2013.

[14] 孙霓,杨桂元,张槟.基于IOWA算子的CPI的组合预测[J].市场经济与价格,2013(03):7-10.

[15]单化玉,周艳丽.湖北省CPI时间序列分析及预测[J].时代金融,2010(09):79-81.

[16] 朱苏荣,郇志坚，结构时间序列模型的预测原理及应用研究，中国人民银行工作论文 No.2015/6 PBC

[17] 石捡情,杨世娟.我国居民消费价格指数时间序列预测——基于ARIMA模型的分析[J].科技资讯,2017,15(33):35-36+40.

[18] 刘建利,薛颖.新冠疫情对CPI短期影响分析[J].当代经济,2021(03):4-6.

[19] 查文中.中国CPI指数的时间序列分析[J].中国集体经济,2009(27):71-74.

[20] 孟凯旋.几类最优控制问题解的存在性和通有稳定性的研究[D].中国矿业大学,2021.

[21] 常绍敏,丁翊珊,邱洁,王燕青.带有终端约束的线性二次最优控制问题[J].西南师范大学学报(自然科学版),2022,47(05):31-37.

[22] 詹姆斯·D·汉密尔顿.时间序列分析[M].北京:中国人民大学出版社,2015.

[23]凃文. 稳定分布和ARMA-GARCH模型在股市收益率中的研究[D].东华大学,2022.