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. PPS的应用和研究

  2. PACF-0010-8185-6629-5858

  3. 所属分类：Android

    • 发布日期：2013-01-31
    • 文件大小：6291456
    • 提供者：ylzhye

  1. 自相关和周期自相关函数matlab

  2. 文件包含了线性调频信号，巴克码，P1，P2，P3，P4码，Frank码等的自相关函数和周期自相关函数

  3. 所属分类：讲义

    • 发布日期：2015-11-11
    • 文件大小：4096
    • 提供者：fuweiwang11

  1. 基于贝叶斯估计的路基沉降时间序列分析模型

  2. 对于非平稳路基沉降时间序列,利用差分算法使其平稳化,并结合ACF-PACF数据统计特性建立了AR(P)模型。针对传统最小二乘参数估计存在不足的问题,采用基于Win BUGS软件和MCMC算法的贝叶斯参数估计法,很好地解决了最小二乘算法对样本数量和质量要求过高的问题。工程实例分析表明:基于贝叶斯参数估计的时间序列预测模型优于最小二乘估计的时间序列预测模型,具有借鉴意义。

  3. 所属分类：其它

    • 发布日期：2020-05-09
    • 文件大小：253952
    • 提供者：weixin_38624332

  1. arimaY.zip

  2. 测试几天搞出来了，代码包括平稳性测试，acf,pacf,pdq的确定，预测数据，免费送给大家。数据集从csv中抓取，一列数据就行，自定

  3. 所属分类：机器学习

    • 发布日期：2020-03-23
    • 文件大小：4096
    • 提供者：qq_43159264

  1. resample.xls

  2. ACF，PACF和CCF的测试数据。数据经过了噪声处理。共享仅为程序的测试使用，请勿用于其他用途。文档有对应的博客，细节请查看相关博客。

  3. 所属分类：讲义

    • 发布日期：2020-01-31
    • 文件大小：184320
    • 提供者：Will_Zhan

  1. 时间序列分析

  2. python时间序列分析2018/12/7 python时序数据分析-以示例说玥-geek精神-博客园 1.均值 X staticnary series Non-stationary serles Ⅹ是时序数捱的值,t是时间。可以看到左图,数据的均值对于时间轴来说是常量,即数据的均值 不是时间的函数所有它是稳定的;右图随着时间的推移,数捱的值整体趋势是增加的,所有均 值是时间的函数,数据具有趋势,所以是非稳定的 2.方差 X tationary series Non-Stationary ser

  3. 所属分类：算法与数据结构

    • 发布日期：2019-03-05
    • 文件大小：2097152
    • 提供者：vanghoh

  1. python实现时间序列自相关图(acf)、偏自相关图(pacf)教程

  2. 主要介绍了python实现时间序列自相关图(acf)、偏自相关图(pacf)教程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：78848
    • 提供者：weixin_38653664

  1. 利用python实现平稳时间序列的建模方式

  2. 一、平稳序列建模步骤 假如某个观察值序列通过序列预处理可以判定为平稳非白噪声序列，就可以利用ARMA模型对该序列进行建模。建模的基本步骤如下： （1）求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值。 （2）根据样本自相关系数和偏自相关系数的性质，选择适当的ARMA（p，q）模型进行拟合。 （3）估计模型中位置参数的值。 （4）检验模型的有效性。如果模型不通过检验，转向步骤（2），重新选择模型再拟合。 （5）模型优化。如果拟合模型通过检验，仍然转向不走（2），充分考虑

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：74752
    • 提供者：weixin_38532629

  1. Time-Series-analysis:非常有趣的时间序列机器学习模型-源码

  2. 时间序列分析 非常有趣的时间序列机器学习模型 这主要集中在使用表格数据集的时间序列分析上。 探索性数据分析（EDA）包含： 每日，每月和每年的销售额 使用Qunatile方法查找数据的异常值 平稳计算，自相关函数（ACF）和偏相关函数（PACF） 我用于时间序列分析的模型 ARIMA，SARIMAX 线性回归 随机森林回归 决策树回归器 梯度提升回归器 Ada Boost回归器 XG加速 K邻居回归器 支持向量回归 LSTM

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：13631488
    • 提供者：weixin_42173205

  1. 汽油价格预测-源码

  2. 汽油价格预测R 在此项目中，我们建立了时间序列模型来预测东海岸每周的常规汽油价格。 数据来源： : 分析： 绘制ACF和PACF以检查自动相关性。 使用回测法比较均方误差（MSE）来评估预测的准确性。 应用不同的窗口长度以找到适合每个模型的最佳数据量。 实施蒙特卡洛模拟以测试模型并计算均方误差。 在我们的研究中找到了最佳模型（GARCH（2,1）（广义自回归条件异方差））。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：504832
    • 提供者：weixin_42132598

  1. python实现时间序列自相关图(acf)、偏自相关图(pacf)教程

  2. 自相关图是一个平面二维坐标悬垂线图。横坐标表示延迟阶数，纵坐标表示自相关系数 偏自相关图跟自相关图类似， 横坐标表示延迟阶数，纵坐标表示偏自相关系数 自相关图与偏自相关图的python代码实现： from statsmodels.graphics.tsaplots import plot_acf, plot_pacf plot_acf(b.salesVolume) plot_pacf(b.salesVolume) 可以看到，这个数据是偏自相关系数拖尾，自相关系数截尾的数据 补充知识：pyt

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：34816
    • 提供者：weixin_38654315