搜索资源列表
示例程序
- 可以进行时许预测,预测个数可以自行修改，哈哈，可以跑出来的(predict time sequence)
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
spark-timeSeries
- 采用ARIMA模型（自回归积分滑动平均模型）+三次指数平滑法(Holt-Winters)，用scala语言实现的在spark平台运行的分布式时间序列预测算法(Using the ARIMA model (autoregressive integral moving average model) + Holt-Winters (Holt-Winters), using scala language to achieve the spark platform to run the distribut
MPC
- Arima模型的一些函数，不全，仅供参考，m语言帮助文档里的，我自己也不怎么会，所以还请见谅(Incomplete, for reference only, M language help document, I do not know how, so please forgive me)
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.)
时间序列
- matlab中时间序列预测代码，包括ARIMA和季节性时间序列代码(Time series prediction code in MATLAB, including ARIMA and seasonal time series code)
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
spark-timeseries-master
- spark 实现的时间序列算法，包括ARIMA等(spark time-series,including ARIMA etc.)
arima
- 时间序列法，通过过去数据来建立相应模型来预测未来数据(Time series, using past data to establish corresponding models to predict future data)
MATLAB在时间序列建模预测及程序代码
- 时间序列 matlab 代码 讲解 pdf 方法(Time series matlab code explain pdf method)
time-series-forecasting-keras-master
- 基于ARIMA模型和LSTM模型，提出一种高性能得时间序列预测算法(Based on ARIMA model and LSTM model, a high performance time series prediction algorithm is proposed.)
65143424ARIMA
- 自回归移动平均模型(Autoregressive Integrated Moving Average Model)的Matlab实现,时间序列分析代码((Autoregressive moving average model (Autoregressive Integrated Moving Average Model) to achieve the Matlab))