关于ARMAV（n,m）模型的建模

在一维长自回归模型比较参数法建模的基础上,根据相同观测数据所对应的适用ARV(p)模型与ARMAV(n,m)模型两者传递函数相等的原理,给出了ARMAV(n,m)模型的建模方法。     

广义模糊时间序列模型模糊区间划分研究

在模糊时间序列模型的构架中,介绍了广义模糊时间序列模型建立过程和常用的模糊区间划分方法,提出了基于均匀划分、模糊C均值聚类和自动聚类3种模糊区间划分方法的广义模糊时间序列模型,并用Alabama大学入学人数和沪市股指两组数据对模型进行了详细的分析.实验结果不仅揭示了这3种方法对模型预测结果的影响,还证明了广义模型优于传统模型.     

心率变异性检测系统的研究

以１６位单片机８０９８作为核心处理芯片,采用宏汇编语言编写程序软件,设计并制作了一台短时心率变异性测定仪．在其数学处理过程中,应用了混沌理论和小波变换技术．该测定仪具有体积小、重量轻、集成度高、抗干扰能力强、稳定性好及安全可靠等特点．它完全可以替代国外同类产品而用于临床检测     

用区间分析方法解定积分

本文给出了区间积分基本原理、辅助办法和区间迭代法．证明了R·E·MOors的改进公式，并通过对比讲座了该公式的优缺点。     

区间型金融时间序列的长记忆性研究

研究金融时序的长记忆性能够帮助人们更加准确地刻画金融市场的特征,而在现有研究中,有关区间型金融时序长记忆性的研究很少。因此,考虑了区间型金融时序蕴含的长记忆性特征及其基于现有实值金融时序长记忆性建模的区间值时序预测模型,首先,将区间数表示成区间中心和区间半径的形式;然后分别对中心和半径序列进行长记忆性检验,并对具有长记忆性的序列进行组合预测;最后,以上证综指和深证综指的区间股指为实证对象进行验证。实证结果表明:上证综指的区间股指具有明显的长记忆性,且组合预测能够显著提高区间型金融时序的预测精度。     

车削颤振的稳定区搜索控制

提出了车削过程的稳定区搜索控制方法，该方法通过在线建立动态车削力的二阶时序模型，对车削颤振进行预报，并根据预报结果，自动调节主轴转速，搜索车削稳定区，保证车削过程在稳定区内工作，车削试验证明，该方法可用效地抑制车削颤振的发生。     

由时序立体数据表支持的动态综合评价方法

在经济管理与决策中,经常遇到大量的动态综合评价问题·但遗憾的是决策者常常将动态的综合评价问题“简化”为静态的综合评价问题,而使得综合评价结果不同程度的“失真”·针对由时序立体数据表支持的动态综合评价问题,提出了一种新的“‘纵横向’拉开档次”法,并给出一个例子·该方法具有原理简单、直观意义明显、评价过程“透明”等特点·     

基于注意力机制及分层网络的危险驾驶行为预测方法

基于自然驾驶实验,获取“人-车-环境”多维驾驶行为数据,经过数据清洗与筛选构建危险驾驶行为标准数据库。采用显著性分析对指标进行筛选,并构建八维度的危险驾驶行为预测指标集。以神经网络为第一层,以基于注意力机制的长短期记忆（LSTM）网络为第二层,建立危险驾驶行为预测双层时序模型。结果表明：该模型能有效提升预测准确率（10%）;分层结构和注意力机制对预测准确率有较好的提升作用,分别为5%和3%。     

时间序列关联分析的灰色方法

给出了一种新的灰色关联度,讨论了其性质,并将它引入到时间序列的关联分析中．得到了时间序列关联分析的灰色方法．     

多重分形序列的可见图分析

可见图方法将多重分形时间序列映射为相应的网络,研究并对比了由不同机制产生的多重分形序列的非平凡特征,发现单分形时间序列的简单叠加得到的混合序列有多分形性质,对应的可见图是无尺度网络;而通过模型产生的多分形序列对应的可见图一般不具有无标度性质.为了辨别不同机制生成的多分形时间序列,小波分析和可见图必须联合运用才能识别这两种不同的分形结构,可见图算法作为传统时间序列分析方法的补充在揭示序列产生机制时具有重要的用途.     

Fuzzy区间值函数项级数及其一致收敛性

文章在已知Fuzzy函数项级数一致收敛概念的基础上，补充了区间值函数项级数一致收敛的概念和判别方法，给出了一致收敛性的区间值函数项级数的分析性质。     

伽利略变换及其在力学教学中的处理

本文探讨了在教学过程中如何将伽利略变换同牛顿力学的具体内容融合起来,以期解决一般力学教材没有较好地把伽利略变换所反应的时空特征融合在牛顿力学的具体内容中,且在涉及参照系变换的内容时,没有明确指出是以伽利略变换为依据.     

关于双重随机时序AR（1）－AR（1）模型的渐近性

文中讨论了一类重要的非线性时序模型－双重随机时序模型ＡＲ（１）－ＡＲ（１）一ＡＲ（１）。在模型存在平稳解的条件下,我们证明了：ｎ￣（１／２）Ｘ＿ｎ－→Ｎ（０,Ｂ）。     

广义区间灰数关联度模型

针对传统灰色关联度模型只能适用于实数序列而不能应用于区间灰数序列的情况,以区间灰数序列中对应区间灰数的距离之和作为两区间灰数序列的关联度,构造了广义区间灰数关联度模型,包括适用于具有相同量纲的系统行为序列的区间灰数绝对关联度、适用于具有不同量纲的系统行为序列的区间灰数相对关联度,以及综合考虑区间灰数绝对关联度和区间灰数相对关联度的区间灰数综合关联度,并对它们的性质进行了初步研究．最后,通过实例说明了广义区间灰数关联度模型的计算过程与可行性．     

基于递推合成BP网络的多变量时间序列预测模型

提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型.将其预测结果与灰色预测模型及常规BP网络的多变量时间序列预测模型的结果进行比较,其仿真实验结果表明该网络具有很强的学习特性和泛化能力,适合进行非线性时间序列建模及预测.     

基于SVR的非线性时间序列预测方法应用综述

基于支持向量回归(Support Vector Regression,简称SVR)的非线性时间序列预测是智能预测的重要前沿课题,在许多领域有着非常广泛的应用前景。文章介绍了SVR基本理论和方法,从金融、电力、交通、旅游等领域的典型应用对基于SVR的非线性时间序列预测进行了综述,分析了目前SVR在核函数、自由参数选择和输入数据处理方面存在的问题及其在应用领域进一步研究的方向。     

一阶弹性函数次数的最优化

研究了S.Maitra提出的一阶弹性函数进行次数最优化的一种方法.对次数优化过程中非线性度的影响进行分析,给出了决定非线性度变化相应的判定定理,在对函数进行次数最优化的同时,使得非线性度增加4或者保持不变.     

ARIMA模型在同业拆借利率预测中的应用

中国银行间同业拆借利率（CHIBOR）是我国货币市场上最早市场化的利率,文章选择隔夜拆借利率为研究对象并建立ARIMA模型对其进行短期预测，并取得了理想的短期预测效果，从而确定了适合我国同业拆借市场的利率预测模型．研究结果不仅可以帮助金融机构对金融产品合理定价，防范风险，也可以帮助央行准确估计CHIBOR走势，达到既定货币政策目标。