当前位置：
首页 资源下载
搜索资源 - moving average model
搜索资源列表
-
0下载：
Estimating Adaptive AutoRegressive-Moving-Average-and-mean model
-
-
1下载：
This paper presents an on-line Statistical Process Control (SPC) technique, based on a Generalized Likelihood Ratio Test (GLRT), for detecting and estimating mean shifts in autocorrelated processes that follow a normally distributed Autoregressive In
-
-
0下载：
A hybrid least squares support vector
machines and GMDH approach for river
fl ow forecasting-This paper proposes a novel hybrid forecasting model, which combines the group
method of data handling (GMDH) and the least squares supp
-
-
2下载：
时间序列中的自回归移动平均模型（ＡＲＭＡ），可以进行实时预测-A sequence of time regression moving average (ARMA) model, can real-time prediction
-
-
0下载：
Calculates adaptive autoregressive (AAR) and adaptive autoregressive moving average estimates (AARMA) of real-valued data series using Kalman filter algorithm.
REFERENCE:
A. Schloegl (2000), The electroencephalogram and the adaptive autoregre
-
-
0下载：
ARMA model
Calculates adaptive autoregressive (AAR) and adaptive autoregressive moving average estimates (AARMA)
-
-
0下载：
风力发电机组不同于火电等传统发电机组的最大之处
在于其原动机功率的本质不可控，这是由风速的易变性和不
可控性造成的。风速状况对风力发电系统的性能有着重要的
影响，也使得风速模型成为风力发电系统仿真模型的重要部
分。该文针对风速随机变化的特性，在风速统计特性研究的
基础上，用自回归滑动平均(ARMA)方法建立了具有一定
功率谱密度特性的风速模型。对该模型所模拟的风速序列进
行了分析和验证，并与现有仿真程序中风速模型的结果进行
了对比，结果表明该文提出的ARMA模型能
-
-
1下载：
增广最小二乘的递推算法对应的噪声模型为滑动平均噪声，扩充了参数向量和数据向量H（k）的维数，把噪声模型的辨识同时考虑进去。最小二乘法只能获得过程模型的参数估计，而增广最小二乘法同时又能获得噪声模型的参数估计，若噪声模型为平均滑动模型，，则只能用RELS算法才能获得无偏估计。当数据长度较大时，辨识精度低于极大似然法。-Augmented least squares of recursion algorithm corresponding noise model for moving average
-
-
0下载：
数据光滑matlab 2015a下运行。绘制源数据和光滑数据曲线，数据保存到EXECL文件。-Savitzky-Golay filter. A generalized moving average with filter coefficients determined by an unweighted linear least-squares regression and a polynomial model of specified degree (default is 2). The met
-
-
1下载：
短时交通流预测是实现交通流诱导的关键技术之一。短时交通流因为其不确定性等特点而使其预测很复杂。本文通过实地调查获取的交通流量数据，分别采用移动平均法、指数平滑法、AR模型法三种交通流预测方法进行短时交通流量预测。-Traffic flow forecasting is one of the key technologies to achieve traffic induced. Traffic flow because the characteristics of its uncertainty
-
-
0下载：
用ARMA模型对时间序列进行预测，预测效果相对于移动平均预测较好，能进行有效预测。-Using the ARMA model to forecast the time sequence, better prediction effect relative to the moving average forecast, can effectively forecast.
-
-
1下载：
为树轮研究开发的数据分析matlab工具箱-Tree-ring and climate-data analysis
grplot grouped plots of ring width series
skelcrn - skeleton plot crn file or ring-width series
climgram - climatogram
IO and formatting of tree-ring data
crn2vec2 convert .crn fil
-
-
0下载：
本代码是在用MATLAB做预测时用到的，分别为预测模型为移动平均值模型、指数平滑预测法、季节指数预测法-This code is used when using MATLAB to do prediction, forecasting model respectively for the moving average model and exponential smoothing prediction method
-
-
0下载：
针对风电场短期风速的预测提出一种基于小波变换的组合预测方法。首先利用Mallat 算法对短期风速时间序列进行db3 小波三层分解与重构，得到短期风速时间序列的近似分量和细节分量。针对近似分量和细节分量的不同特性，对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测，对细节分量利用自回归求和滑动平均模型进行预测。最后各预测模型预测值组合叠加得到最终的短期风速预测值。仿真结果表明该方法具有较高的预测准确度。-In order to improve short-term wind speed pr
-
-
0下载：
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
-
-
0下载：
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 to study time series. It consists of auto
-
-
0下载：
自回归滑动平均模型（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(Auto-Regressive and Moving Average Model)
-
-
1下载：
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
-
-
0下载：
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
-
-
2下载：
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))
-
