搜索资源列表
chapter32
- 小波神经网络的时间序列预测——短时交通流量预测-Wavelet neural network time series prediction of short-term traffic flow forecasting
512806
- 用matlab实现利用统计混沌方法解决非线性系统时间序列预测的问题-Matlab to make use of statistical chaos method to solve the problem of nonlinear system time series prediction
test
- 用于研究时间序列的方法有AR（自回归）、MA（滑动平均）、ARMA（自回归滑动平均）这三种模型。而对于一个平稳时间序列预测问题,首先要考虑的是寻求与它拟合最好的预测模型。而模型的识别与阶数的确定则是选择模型的关键。 1.用 迭代生成1000个点（前2个点自定义）。 2.在这1000个点中取800点进行时间序列分析建立合适的模型。 3.利用剩余的200个点进行模型预测，并看其是否匹配，最后校正。 -Methods for studying time series are AR (a
ARMA
- ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。(ARMA model is an important method for studying time series. It is composed
www.dssz.com_dssz
- 混沌时间序列预测中的李雅普诺夫指数算法，判断时间序列的混沌特性(The Lyapunov exponent algorithm in chaotic time series prediction is used to determine the chaotic characteristics of time series)
新建文件夹 (6)
- 计算数据得未来数据值，可对数据进行预测 具有和好的通用性(Calculate the data for future data values, and predict the data with good versatility)
time series model
- 时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。(Time series analysis is the theory and method of establishing mathematical model
ARIMAtest
- 对于时间序列模型建立ARMA预测模型，可对未来值进行预报。(For the time series model, the ARMA prediction model is established, and the future value can be forecasted.)
数学建模思想方法大全及方法适用范围
- 时间序列预测法是一种定量分析方法，它是在时间序列变量分析的基础上， 运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的 发展变化趋势，确定变量预测值。(Time series forecasting method is a quantitative analysis method. It is based on the analysis of time series variables,A mathematical model is used to establish a
sitay_calculating
- C-C方法计算时间延迟和嵌入维数计算Lyapunov指数计算关联维数混沌时间序列预测,(C - C time delay and embedding dimension method to calculate the Lyapunov index calculating correlation dimension chaotic time series prediction,)
hurst指数
- hurst指数主要用于预测时间序列的未来变化趋势(Mainly used to predict the future trend of time series trends)
817671
- 用matlab实现利用统计混沌方法解决非线性系统时间序列预测的问题(Matlab to make use of statistical chaos method to solve the problem of nonlinear system time series prediction)
程序2
- 灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的。灰数的生成，就是从杂乱中寻找出规律。同时，灰色理论建立的是生成数据模型，不是原始数据模型，因此，灰色预测是一种对含有不确定因素的系统进行预测的方法。(The grey theory holds that although the behavior of the system is obscure and the data is complex, it is orderly and integral. The
LSTM_learn-master
- 采用LSTM算法用python语言实现的信号时间序列预测，可预测信号的占用度(The LSTM algorithm is used to predict the signal time series in python language)
热声不稳定主动控制的SVM时间序列预测模型
- 论文libsvm-3.1-[FarutoUltimate3.1Mcode](libsvm-3.1-[FarutoUltimate3.1Mcode])
ARIMA
- 可以很好的预测数据，程序代码简单可靠好用(Good prediction of data, the program code is simple and reliable easy to use.)
transnction-smart-form
- 时间序列预测法是一种定量分析方法,它是在时间序列变量分析的基础上,运用一定的数学方法建立预测模型,使时间趋势向外延伸,从而()
arimanet
- ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列预测方法[1] ，所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型，是指将非平稳
ARMA
- 采用MATLAB实现arma时间序列的建模与预报(Modeling and forecasting of ARMA implementation time series)
lstm-oreilly-master
- 时间序列预测，股票走势预测，自然语言处理等等(Time Series Prediction)