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. 基于GM_ARMA组合模型的全球年平均气温预测

  2. 针对全球年平均气温历史数据既有趋势性又有波动性的特点, 提出用灰色系统理论与时间序列分析相结合的方法建立 : GM-ARMA 组合模型来预测全球年平均气温。基于这个模型采用等维递补的预测方法预测出了过去十年内的全球年平均气温, 通过与实际数据相比较 发现该模型具有较高的预测精度。最后采用该组合模型预测出了未来十年内的全球年平均气温。 关键词 全球年平均气温; , ; ; ; 残差修正; 等维递补 : GM(1 1) ARMA GM-ARMA

  3. 所属分类：硬件开发

    • 发布日期：2009-09-01
    • 文件大小：550912
    • 提供者：ly2009jy

  1. 时间序列分析及应用：R语言（原书第2版）

  2. 译者序 前言 第1章 引论 1.1 时间序列举例 1.2 建模策略 1.3 历史上的时间序列图 1.4 本书概述 习题 第2章 基本概念 2.1 时间序列与随机过程 2.2 均值、方差和协方差 2.3 平稳性 2.4 小结 习题 附录A 期望、方差、协方差和相关系数 第3章 趋势 3.1 确定性趋势与随机趋势 3.2 常数均值的估计 3.3 回归方法 3.4 回归估计的可靠性和有效性 3.5 回归结果的解释 3.6 残差分析 3.7 小结 习题 第4章 乎稳时间序列模型 4.1 一般线性过程

  3. 所属分类：专业指导

    • 发布日期：2018-04-08
    • 文件大小：33554432
    • 提供者：huanbia

  1. 原创时序分析timeserieanalysis模型的应用parte1-TimeSerie_Concha.rar

  2. 原创时序分析timeserieanalysis模型的应用parte1-TimeSerie_Concha.rar 【问题描述】：我们现在有某年的某机构的某数据，这些数据每15分钟采集一次，于是一年之中我们可以得到365天*24小时*4=35,040个点。相当于我们有一个365*96的矩阵，（在这里我们的数据是不完整的，只到10月份，故而我们有一个306*96的矩阵）。下图一为一年范围的时序信号，然后下图二是一个星期范围内的时序信号。相信大家不难看出，每逢周末的时候的数据要比平时小很多，这说明它具

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：58368
    • 提供者：weixin_39840387

  1. 公交客运量的时间序列预测模型

  2. 为公交规划科学合理的进行,建立公交客运量时间序列预测模型.通过对公交客运量影响因素进行分析,选取市区人口数、从业人员数、在校学生数、工业生产总值、职工年平均工资、公交车辆数、运营线路数等7个指标自变量,利用指数平滑法对自变量进行预测;在对自变量进行相关分析及因子分析的基础上,建立prais-winsten AR(1)自回归时间序列模型对公交客运总量进行预测;采用ARMA模型对哈尔滨市各分区公交客流量进行了拟合和预测.结果表明:所建立的时间序列预测模型预测效果良好,验证了模型的有效性和准确性.

  3. 所属分类：其它

    • 发布日期：2020-04-27
    • 文件大小：280576
    • 提供者：weixin_38588592

  1. 季节ARIMA模型在社会消费品零售总额预测中的应用

  2. 季节ARIMA模型在社会消费品零售总额预测中的应用，蒋建，石学军，本文首先简要介绍了ARMA模型和季节ARIMA模型，接着利用统计软件EViews，通过分析我国社会消费品零售总额从1997年1月到2010年6月的月度数�

  3. 所属分类：其它

    • 发布日期：2020-03-02
    • 文件大小：386048
    • 提供者：weixin_38670433

  1. 基于新陈代谢GM(1,1)-ARMA(p,q)模型的江苏省地区生产总值预测

  2. 基于新陈代谢GM(1,1)-ARMA(p,q)模型的江苏省地区生产总值预测，陶利，陈亦涛，本文结合新陈代谢GM(1,1)模型以及ARMA(p,q)模型的优点，用新陈代谢GM(1,1)模型提取序列中的趋势项，其余部分进行ARMA(p,q)分析，建立了新陈�

  3. 所属分类：其它

    • 发布日期：2020-01-16
    • 文件大小：705536
    • 提供者：weixin_38752074

  1. GM(1,1)与ARIMA模型在中国一次能源消费量预测中的比较

  2. GM(1,1)与ARIMA模型在中国一次能源消费量预测中的比较，袁潮清，，本文分析了GM（1,1）模型和AR（1）、ARMA（1，q）模型的联系，认为GM（1,1） 模型可以实现对他们的近似表征。并分别用ARIMA（2,2,1）和GM（1

  3. 所属分类：其它

    • 发布日期：2020-01-15
    • 文件大小：664576
    • 提供者：weixin_38518376

  1. 边坡非线性位移的GM(1,1)-ARMA预测分析

  2. ARMA预测边坡非线性位移的GM(1,1)-ARMA预测分析边坡非线性位移的GM(1,1)-ARMA预测分析

  3. 所属分类：电子商务

    • 发布日期：2011-12-06
    • 文件大小：523264
    • 提供者：smile_qingtian

  1. 基于小波分析与GM(1,1)-ARMA(p,q)组合的矿井防尘用水量预测

  2. 为了提高矿井防尘用水量预测的精确度,提出了基于小波分析理论与灰色预测模型(GM(1,1))、自回归滑动平均模型(ARMA(p,q))组合的预测模型。运用小波分析将用水量时间序列做不同尺度分解,并将低频信号和高频信号采用GM(1,1)和ARMA(p,q)进行预测,最终经小波重构得到预测结果。以林南仓矿为研究背景,使用该组合模型预测2014年各月份的用水量,通过与实际数据对比,残差检验相对误差不超过2.5%。结果表明:矿井防尘用水量在总体上逐年缓慢增加,每年内呈周期性的变化;基于小波分析与GM(1,

  3. 所属分类：其它

    • 发布日期：2020-06-13
    • 文件大小：1048576
    • 提供者：weixin_38557515

  1. 基于多源信息融合的冲击地压态势评估方法

  2. 冲击地压态势评估是煤矿安全监测预警领域的热点及难题之一。本文以微震、电磁辐射及声发射等实时监测数据为基础,将态势评估理论引入冲击地压预测领域,建立了基于监测系统日志审计与实时修正算法相结合的冲击态势评估模型,通过改进D-S证据理论提出一种冲击地压态势量化方法。利用该方法计算得到连续时段的冲击地压态势值后,分别基于一阶灰色模型GM(1,1)及ARMA模型对冲击地压态势值进行预测并对比分析。实例结果及相关分析表明,所提冲击地压态势预测方法合理有效,能动态地反映冲击地压的发展趋势。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：434176
    • 提供者：weixin_38571104

  1. Stock_Prediction_Project-源码

  2. 使用LSTM，差异性隐私和情绪分析通过财经新闻预测股票 团队成员：Shamal Lalvani和Yunan Wu 1.简介 在这篇文章中，Yunan和Shamal介绍了论文DP-LSTM：基于差异性隐私启发的LSTM，用于使用财经新闻[＃1]进行股票预测的技术，该技术旨在利用财经新闻和历史数据来预测财经数据。 本文使用的主要技术是情感分析，最基本的时间序列模型（称为ARMA）和神经网络（称为LSTM）。 另外，本文使用受差异隐私启发的技术来学习基于金融新闻的金融趋势的稳健性。 在本文中，我和Yu

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：7168
    • 提供者：weixin_42168745