注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. ARMA模型（自回归滑动平均模型）

  2. 可以用来做时间序列分析哦，包括模式判别，模型检验，大家共同学习啊

  3. 所属分类：硬件开发

    • 发布日期：2009-07-15
    • 文件大小：4096
    • 提供者：shengdong1979

  1. MATLAB解决经济非平稳时间序列的预测分析

  2. 本文中,我们提出两种估计ARMA(自回归滑动平均)模型参数的新方法。第一种方法是对迭代逆滤波法(ITIF)的改进,第二种方法基于谱转换技术。两种方法都是迭代算法,文中将两种新方法的计算结果与ITIF法进行了比较。

  3. 所属分类：硬件开发

    • 发布日期：2009-10-04
    • 文件大小：257024
    • 提供者：manseagull

  1. ATM现金流量动态分析

  2. 根据ATM 现金流量时间序列分析ATM 的取款量变化规律. 用Matlab 作为建模和分 析工具通过模型识别和参数估计建立自回归滑动平均模型刻画ATM 上现金流的变化规律 检验模型的正确性. 在此基础上可预测未来10 天的ATM 现金流量对银行现金的准备和调配 工作具有重要意义.

  3. 所属分类：其它

    • 发布日期：2010-05-30
    • 文件大小：294912
    • 提供者：hnic

  1. 对角CARIMA模型多变量广义预测控制

  2. 对角CARIMA模型多变量广义预测控制介绍了多变量广义预测控制算法，基于受控自回归滑动平均模型（CARIMA），希望对大家有用

  3. 所属分类：其它

    • 发布日期：2010-06-08
    • 文件大小：262144
    • 提供者：duandongjian

  1. ARIMA模型学习资料

  2. 一、自回归模型（AR） 二、滑动平均模型（MA） 三、自回归滑动平均模型 线性时间序列模型的自相关函数与偏自相关函数

  3. 所属分类：硬件开发

    • 发布日期：2010-09-18
    • 文件大小：160768
    • 提供者：Newman510

  1. aram时间序列模型的研究与应用

  2. 常见的时间序列中自回归滑动平均模型的研究与应用

  3. 所属分类：专业指导

    • 发布日期：2011-08-13
    • 文件大小：234496
    • 提供者：etetet230320

  1. 基于自回归滑动平均模型的风电功率预测

  2. ARIMA模型预测风电功率含程序代码，其中含有模型的建立基本原理及建立过程

  3. 所属分类：专业指导

    • 发布日期：2011-11-27
    • 文件大小：329728
    • 提供者：liuzhen2544

  1. 受控自回归滑动积分平均模型

  2. 预测控制下的参数模型--受控自回归滑动积分平均模型--广义预测控制求解丢番图方程

  3. 所属分类：其它

    • 发布日期：2013-08-26
    • 文件大小：2048
    • 提供者：daye0411

  1. 基于ARMA的无线传感器网络流量预测模型的研究

  2. 无线传感器网络(WSN)的流量预测研究对于WSN管理具有至关重要的意义。基于WSN的特点，结合自回归滑动平均(ARMA)模型，该文提出了一个面向WSN的流量预测算法。仿真结果表明，该算法具有较高的预测精度；利用本算法对WSN的多路径路由机制进行改进后，可进一步提高WSN的生存期。

  3. 所属分类：C

    • 发布日期：2013-12-24
    • 文件大小：240640
    • 提供者：u013266659

  1. temporal network ARMA analysis

  2. 时变网络的时间序列分析方法，采用了自回归滑动平均模型，并采用卡拉曼滤波方法进行参数估计

  3. 所属分类：C/C++

    • 发布日期：2014-10-30
    • 文件大小：2048
    • 提供者：huangqiangjuan

  1. ARMA预测模型

  2. 这是用来预测的自回归滑动平均模型，主要用来确定模型参数

  3. 所属分类：讲义

    • 发布日期：2014-12-15
    • 文件大小：839
    • 提供者：u013018623

  1. 自回归滑动平均模型

  2. ARMA可调试运行

  3. 所属分类：金融

    • 发布日期：2016-05-09
    • 文件大小：2048
    • 提供者：txply

  1. ARMA模型matlab源程序

  2. 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。

  3. 所属分类：金融

    • 发布日期：2017-09-05
    • 文件大小：13312
    • 提供者：longqingmiyu

  1. 自回归滑动平均模型的定义介绍与展开等重要内容

  2. 自回归滑动平均模型的定义介绍与展开等重要内容。

  3. 所属分类：专业指导

    • 发布日期：2008-12-09
    • 文件大小：141312
    • 提供者：zistcie

  1. 道路网短期交通流预测方法比较.pdf

  2. 介绍了用于短期交通流预测的两大类模型：统计预测算法和人工神经网络模型。对其中各种模型的特征进行了比较，将历史平均模型、求和自回归滑动平均模型（ARIMA）、非参数回归模型、径向基函数（RBF）神经网络模型与贝叶斯组合神经网络模型，应用于一个真实路网的短期流量预测，比较了各模型的预测结果。结果表明，组合神经网络模型预测误差最小，可靠性最高，是一种对短期交通流预测的有效方法。

  3. 所属分类：交通

    • 发布日期：2019-09-25
    • 文件大小：348160
    • 提供者：seulq

  1. Mathematical-Modeling.zip

  2. ARMA预测建模，自回归滑动平均模型（英语：Autoregressive moving average model，简称：ARMA模型）。是研究时间序列的重要方法，由自回归模型（简称AR模型）与移动平均模型（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。

  3. 所属分类：其它

    • 发布日期：2020-03-21
    • 文件大小：62464
    • 提供者：weixin_43978936

  1. 基于小波相关性去噪结合ARMA模型的故障率预测方法

  2. 基于小波相关性去噪结合ARMA模型的故障率预测方法，郜逸星，杨晓忠，针对电力设备故障率具有周期性、随机性和多变性等特点，提出小波相关性去噪算法与时间序列自回归滑动平均(ARMA)模型的电力设备故障

  3. 所属分类：其它

    • 发布日期：2020-02-23
    • 文件大小：477184
    • 提供者：weixin_38582793

  1. 基于ARMA模型预测的云计算资源调度策略研究.pdf

  2. 基于ARMA模型预测的云计算资源调度策略研究，重庆大学，硕士学位论文，2016年重庆大学硕士学位论文 中文摘要 摘要 现阶段,云计算作为一种新型髙效且价柊低廉的计算模式受到越来越多企业 的青睐,而云计算瓷源调度算法作为云计算研究的核心内容,对于它的研究从未 间断,当前科研工作者对于云资源调度算法己经进行了大量深入的研究,本文将 首先对当前主流的一些云计算资源调度策略进行简要的介绍,并对这些略的优 点和不足进行了分析,针对当前云计算资源调度策略中存在的宿主机开关机波动、 虚拟机迁移带有盲目性以及任

  3. 所属分类：平台管理

    • 发布日期：2019-07-14
    • 文件大小：1048576
    • 提供者：jay7575

  1. 单片机与DSP中的其他IIR模型

  2. IIR的特性也可以用系统输人－输出行为的观测值推导而得。问题是如何在数学上将这些测量值转换为滤波器模型。一种重要的滤波器建模策略是通过构建IIR滤波器模型来解释系统输人输出功率谱，这类策略一般被称为参量谱估计。 　　参量谱估计以某种可接受的数学方法为线性系统生成一个传递函数，使其得到观测到的功率谱的可能性最大。尽管谱估计有非常严谨的理论，而且在很多应用中有重要用途，但是在滤波器设计中，可以简单地把它看作生成传递函数的工具。 　　有3种常用的基本参量估计方案，即自回归（auto-regress

  3. 所属分类：其它

    • 发布日期：2020-11-15
    • 文件大小：60416
    • 提供者：weixin_38571759

  1. 基于AＲIMA 和小波神经网络组合模型的交通流预测

  2. 针对现阶段城市道路交通流预测精度不高的局限性，提出了一种基于差分自回归滑动平均( AＲIMA) 和小波神经.网络( WNN) 组合模型的预测方法来进行交通流预测。利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网.络模型强大的非线性关系映射能力，把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分。采用差.分自回归滑动平均模型预测交通流序列的线性部分，用小波神经网络模型预测其非线性残差部分，最终合成为整个交通.流序列的预测结果。计算机仿真结果表明: 组合模型的预测精度高于AＲI

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：524288
    • 提供者：weixin_38722184
« 12 3 »