一种基于主成分分析的时间序列趋势预测方法

在分析现有时间序列预测方法的基础上,提出了一种利用主成分分析实现时间序列趋势预测的方法.算例表明,该方法能够具有一定的适用性.     

神经网络时间序列预测及其工程应用

基于时间序列分析的方法,针对船用捷联陀螺的具体特性,提出了一种神经网络对间序列预测及建模方法,并对某捷联航姿系统中所用陀螺漂移数据进行了神经网络建模尝试。     

一种新的时间序列相似性模式发现算法

为了提高效率,基于时间序列的数据挖掘,采用了近似的方法取代原有时间序列,这导致了数据挖掘准确性的降低,文章的主要目标在于有效率地搜寻时间序列中的相似子序列向量,且希望能够兼顾准确性及效率,进而提供不同领域对于时间序列的不同需要.     

时间序列下的离散概率事件变化预测分析研究

针对时间序列下的离散概率事件的发生概率较难预测的问题,展开此次研究.通过阅读国内外相关文献,确定了采用矩阵分解来解决概率预测问题.在此基础上,通过理论论证,确定了如何预测事件发生概率的方法,并对该方法的可行性进行了充分论证.在此基础上,利用数学分析软件Matlab进行了仿真实验,确定了基于单个对象的有限期的概率预测结果.最后,对研究成果进行了回顾与总结.     

基于有限状态机法的计算器设计与教学效果研究

为研究有限状态机分析法在嵌入式系统教学中的效果,将其引入到基于嵌入式系统的计算器设计中.利用状态机思想,分别对普通计算器和带有优先级的计算器进行建模和设计.详细叙述建模基本步骤,分析不同状态的含义以及状态间的转换条件.通过对比教学用时,学生完成率和编程所用代码量等指标,比较了流程图法和有限状态机法的教学效果.实验结果表明,利用有限状态机分析法设计计算器的教学效果明显优于流程图法.     

混沌时间序列变分贝叶斯回归预测

基于变分贝叶斯及相空间重构理论,提出了含噪？昆沌时间序列相空间域线性回归预测模型。该模型对序列进行相空间重构,在相空间中用变分贝叶斯推断方法估计线性回归系数。将该模型对含加性高斯噪声的Mackey-Glass？昆沌时间序列进行预测研究。仿真结果表明,该文方法能够有效地抑制过拟和现象,具有较强的抗噪声能力,且预测结果对重构相空间的嵌入维数和时间延迟的变化不敏感。     

多个关联确定性时间序列微分方程建模方法研究

从纯数学的角度,对多个关联确定性时间序列分别进行多次累加产生新序列,研究序列之间的关系,建立多元线性（或非线性）回归方程。给定显著性水平α,对每个回归方程进行显著性检验。在置信度1-α下建立微分方程组模型,从而揭示这些时间序列之间的关系,实现对原序列的预测和控制。最后用1995-2014年海南省GDP和接待旅游人数建立微分方程组模型并进行预测。     

时间序列分析模型在甘肃省GDP中的应用

以甘肃省1978年-2008年31个年度的GDP为例,根据ARIMA模型,通过识别、估计、诊断等过程,结合统计软件Eviews对其变化情况进行了实证分析,得到了误差较小、短期预测较为准确的满意结果.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

基于UML状态机的LCA快速查找算法

UML规范描述的公共祖先LCA(The least common ancestor)查找算法采用的是递归试探法,而递归操作在UML状态机的多重嵌套环境下,运算效率较低.针对这个问题,提出了一种快速搜索LCA的算法.该算法首先根据状态树构造UML状态机的拓扑码,然后通过源状态和目的状态的拓扑信息计算嵌套层次,查找LCA时,只须按照嵌套层次数目退出,便可快速回溯到LCA.实验结果表明,快速查找算法降低了运算的时间复杂度,在UML状态机的多重状态嵌套应用场合下,提高了LCA查找的运算效率.     

有限序列的定位复杂度

该文首先引入了一种度量序列的局部随机性的新指标,这种指标可用来检测序列的局部稳定性,其次,用统计的观点分析了有限序列的稳定性。     

模糊时间序列预测的连续点逆模糊数预测模型

在Chen,Hong和Tseng提出的模型基础上,提出了模糊时间序列预测的连续点逆模糊数预测模型,并构造了新的算法和公式。主要体现在论域的选择、小区间数字特征代表的选择和预测公式的构造等方面。将其应用于广西大学1997~2012年招收学生的历史数据模拟预测问题的研究中,结果表明平均预测误差率非常小。     

基于R语言的哈尔滨市大气污染数据时间序列分析

以R软件为数据分析工具,基于时间序列分析技术对2017年哈尔滨市大气监测数据进行分析.用统计学原理分析大气数据时间变化特征,并探讨R语言在大气数据分析领域应用的巨大潜力.结果表明:哈尔滨市大气污染物中PM2.5为主要污染物;秋冬季大气污染情况比春夏季严重.     

基于创新人才培养的时间序列分析课程教学改革

时间序列分析课程是统计类专业研究生培养方案的核心课程之一．针对研究生教育，以时间序列分析课程为建设主题，开展以创新驱动人才培养的课程教学改革．进行案例库建设，对于主要知识点，设计两个以上的各领域应用案例，完成时间序列分析仿真实验平台建设，针对课堂讲授模式进行改革，让学生组成团队完成调研工作的展示和讲授．教学工作包括课内和课外两部分，应突出课外部分，充分发挥其范围广容量大的优势．教学实践表明，教学改革有助于培养学生自学能力、团队协调能力和语言讲授能力．     

一种基于数据挖掘的入侵检测分析系统

对数据挖掘技术应用于入侵检测系统进行了研究,应用规则检测和数据挖掘相结合设计了一个基于数据挖掘的入侵检测系统结构框图,并详细介绍了其中的检测分析系统．     

多元时间序列的相似性匹配

常用多元时间序列相似性匹配方法难以在高效刻画局部形态特征的同时考虑各变量间的相关信息. 针对此问题,提出一种动态窗口内多维拟合分段方法. 基于序列的局部形态特征抽象出各变量维度上拟合线段的倾斜角及持续时间,组成模式表示矩阵,并借助一种多元模式距离实现序列的相似性模式匹配. 与主成分分析法、基于点分布特征的匹配法对不同数据规模的数据集进行对比,验证了该方法的有效性,特别对于多变量、不等时间跨度的中等规模多元时间序列相似性匹配具有较好的效果.     

基于深度CRBM模型的建筑能耗预测方法

针对建筑能耗的预测问题,提出一种基于深度条件受限玻尔兹曼机(CRBM)的预测方法.首先,将传统受限玻尔兹曼机进行扩展,融入一个历史条件输入层,使其能够根据历史时间序列来预测未来序列.然后,在CRBM基础上构建深度CRBM模型,用来执行建筑能耗的预测.在一个"个体家庭电力消耗"数据集上的实验结果表明,提出的方法能够准确预测出预定时间段内的建筑能耗,能够为电力调度提供一定的依据.     

非线性时间序列的小波网逼近及其预报

结合神经网络和小波的优点,建立了一种新型的多维小波网的网络模型,研究了多维小波网逼近非线性时间序列的收敛性质及收敛精度,并给出了相应的数学证明,同时将之应用于山猫数据的拟合及预报,仿真结果说明该方法的可行性。     

有限热源定常态热机在两类约束条件下的有限时间热力学优化

研究了两热源具有有限热客流率时内可逆定常态卡诺热机在有限时间下的效率与功率之间的关系,就两种不同换热模式在两类约束条件下推导出实际卡诺定常态热机在有限时间内的最大功率与最佳效率之间的相互关系,并对这些新的性能界限做了有益的讨论。     

一种改进的时间序列模式发现算法

如何有效地在时间序列数据库中发现时序模式是时间序列数据挖掘中一个具有重要意义的课题．本文提出一种改进的在时间序列中有效地发现时序模式的算法．在将时间序列划分为若干等长的子序列之后,根据基于关键点的线性分段算法提取每个子序列的关键点序列,该关键点序列仅保留反映数据序列的变化模式的主要关键点．接着利用每个关键点序列分隔相应的子序列,根据数据的起伏变化将相应的关键点序列分配到一系列盒子中,使得只有在同一个盒子中的序列才有可能相似,而不同盒子中的序列不可能相似．最后通过计算每个盒子中任意两个关键点序列之间的动态时间弯曲距离来发现所有的时序模式．实验结果验证了该算法的有效性．