搜索资源列表
timetwethr
- 在MATLAB上实现混沌时间序列的Volterra预测算法 不错的(On MATLAB implementation on the prediction of chaotic time series algorithm is good)
ltefcij
- 基于Volterra滤波器混沌时间序列多步预测 作者：陆振波,海军工程大学(Based on the chaotic time series multi-step prediction filter author: Liu Zhenbo, naval engineering university)
卡曼滤波代码
- 卡曼滤波，用于线性和非线性系统分析，体现在时间序列的预测上。(kalman filter code,it can be use in linear or no-linear system)
ARMA-Java--master
- ARIMA模型是通过将预测对象随时间推移而形成的数据序列当成一个随机序列，进而用一定的数学模型来近似表述该序列。根据原序列是否平稳以及回归中所包含部分的不同分为AR、MA、ARMA以及ARIMA过程。 在模型的使用过程中需要根据时间序列的自相关函数、偏自相关函数等对序列的平稳性进行判别；而对于非平稳序列一般都需要通过差分处理将其转换成平稳序列（ARIMA）；对得到的平稳序列进行建模以确定最佳模型（AR、MA、ARMA或者ARIMA）。在使用中最重要也是最关键的就是对序列进行参数估计，以检验其
RS分形分析
- 用matlab进行分析分析，预测非平稳时间序列的变化趋势。(Matlab is used to analyze and predict the changing trend of non-stationary time series.)
arorder
- 在时间序列的预测模型中，需要就算自回归模型的p阶数，以这个函数是用来估计AR阶数的，便于构建自回归滑动平均模型，来预测未来事物的发展趋势。(This function estimates AR order)
code
- 把原始数据按照时间顺序展开成一个行向量，求原始时间序列的秩，并计算原始数据预测的相对误差。(The original data is expanded into a row vector according to the time order, the rank of the original time series is calculated, and the relative error of the original data is calculated.)
timeseries
- MATLAB在时间序列建模预测及程序代码(MATLAB modeling, prediction and program code in time series)
MSM_MLE_1v01
- 基于马尔科夫转换多重分形预测模型，MSM模型具有较少的参数和无限的频率。该模型通过使用机制转换（regime switching）技术，能较好的捕捉金融时间序列波动中隐藏的离群值、时间标度以及长程相关性特征。Calvet和Fisher使用MSM模型对四种汇率序列进行预测，他们发现MSM模型的长期预测性能优于GARCH、MS-GARCH（Markov switching GARCH）、FIGARCH等模型，MSM模型适用于具有显著异常值和长程记忆性的真实波动序列的预测。(the Markov-Sw
LSSVM
- 可以用于时间序列数据下的预测,以及数据模拟。(can be used to forecasting)
ARMA相关模型及其应用
- 时间序列分析是数理统计中的一个重要分支，用随机过程理论和数理统 计方法研究随机数据序列的规律。时间序列分析提供了一套具有科学依据的 动态数据处理方法，该方法的主要手段是对各种类型的数据采用相应的数学 模型去近似描述。通过对模型的分析研究，便可更本质地了解数据的内在结 构和复杂特性，从而达到预测其发展趋势并进行必要的控制的目的。(Time series analysis is an important offset of statistics, which studys
Time_Series_Analysis
- ARIMA算法的Python实现，预测时间序列数据。 附两个数据： AirPassengers UK Traffic flow(The Python implementation of the ARIMA algorithm predicts the time series data. Two data are attached. AirPassengers UK Traffic flow)
krmsentation
- 混沌时间序列分析与预测工具箱,包括了混沌时间序列分析的很多方法和预测方法,()
sslblock
- 时间序列的预测在经济和工程领域具有十分重要的意义。文中利用动态神经网络的特性,提出对时间序列进行预测的动态神经网络方法,并利用设计的动态神经网络对杜芬(Duffing)方程的响应时间序列进行预测,结果表明动态神经网络可以较好地对动态系统的响应时间序列进行预测。(time series prediction)
数据挖掘pro
- 本项目的具体问题是关于时间序列数据趋势预测。具体的应用场景是电子商务。现在要求您对118天到146天的每天100个关键产品进行销售量预测。(In this project, you are asked to study the general topic of time-series data mining, and specifically for time-series data trend prediction.)
NAR神经网络
- NAR神经网络 采用matlab编程，用来预测时间序列，(NAR neural network is used to predict the time series)
对角递归
- 用于时间序列的训练以及预测。非常实用，需要的可以下载看看。(DRNN ee e fwasfegadff)
efficiznq
- 用于混沌时间序列自适应预测的一种稀疏Volterra滤波器()
BP
- BP神经网络预测模型，基于时间序列，将已知状态的数据量作为神经网络的输入，预测未知状态的数据(A prediction model based on BP neural net)
GaijinGM11
- 改进的GM（1，1）程序，可实现时间序列的灰色等维新息预测，采用弃旧纳新的原则。(The improved GM (1, 1) program, can realize the time series prediction using grey information renewal, discarding the old and new principles.)