AR模型在网站点击量预测中的应用与研究

对数据挖掘的“预测”功能进行了研究，在对网站进行流量统计的基础上，利用AR模型建立点击量时间序列模型进行点击量的预测，同时也与其他常用的预测方法进行对比。从实验结果可以看出，AR模型的预测精度要优于其他的预测方法，达到了预期的精度要求。     

AR模型应用于振动信号趋势预测的研究

振动信号的趋势预测是设备状态监测与故障诊断中的一个重要内容。论文提出采用时间序列ＡＲ模型进行趋势预测。将现场测得的非平稳振动序列通过ＡＲＩＭＡ模型和标准化处理,转化成标准正态平稳时间序列。模型参数估计使用了方法简单、参数估计无偏、精度高的最小二乘法。通过现场实测数据进行验证,计算结果表明ＡＲ模型能够很好地拟合振动信号时间序列并取得了一定的预测精度,可以达到预测要求。     

学生学业成绩预测的AR模型

探讨学生未来发展,在教育管理与评价中是一个很重要的课题,建立了预测学生学业成绩 的ＡＲ模型。     

用AR模型建立变形预测模型的研究

在用时间序列分析方法建立变形测量的预测模型时,基于动态数据系统方法的传统F检验定阶法,由于样本的随机性可能过早地退出对模型的循环检验,从而不能找到合适的预测模型.在探讨如何用AR模型建立变形测量预测模型的基础上,提出了一种改进的建模方法,并在实例的应用中取得了较好的效果.     

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列，运用灰色GM(1，1)模型提取其中的趋势项，用AR(n)模型表示随机残差项，利用灰色-时序组合模型进行沉降预测．算例结果表明，该组合模型具有较高的预测精度，是一种简单、实用的高层建筑沉降预测方法．     

混沌预测技术在径流预报中的应用

以多条河流的径流时间序列为例详细分析了基于混沌动力学的局部预测方法，并与全局方法和基于随机理论的ＡＲ（ｐ） 模型等预测方法进行了对比，结果表明，局部预测方法往往优于其他预测方法．     

组合模型在机械故障预测中的应用

机械故障预测中,反映系统变化的特征参数往往含有多种趋势成分.引入组合预测模型,用灰色模型描述机械故障发展中的确定性趋势,用AR时间序列模型描述机械故障中的随机趋势.实践证明,较单一模型具有更高的预测精度.     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法，重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较，结果表明，有用积分求解法所得ＡＲ模型参数的估计精度比最小二乘法的高。     

ARIMA模型在重庆市能源消耗量预测中的应用

能源是人类赖以生存和发展的重要物质基础,对经济的快速发展和人们生活水平的大幅度提高起着无可取代的作用,随着经济的发展人们对能源的需求日益增多,由于地球上的资源是有限的,对未来能源消耗量的准确预测显得尤为重要;运用ARIMA模型对《2013重庆市统计年鉴》中重庆市1981-2012年能源消耗量数据进行分析,结果显示:ARIMA(2,3,2)模型预测未来的结果较为准确,为重庆市资源消耗量提供了可靠的依据。     

投影寻踪自回归模型在长江径流量预测中的应用

为准确预测长江径流量,引入投影寻踪自回归模型,用自相关分析技术确定预测因子,构造了新的投影指标函数,并用基于实数编码的加速遗传算法优化投影指标函数,建立了投影寻踪自回归流量预测模型.将该模型应用于长江径流量的预测,结果表明用该模型预测长江流量时序是可行和有效的.     

基于AR模型的话务自学习研究与应用

本文通过对AR模型的研究,提出了一种基于AR模型的话务自学习模型。通过对话务数据进行平稳化差分处理,得到话务数据的模型,并对未来的话务数据进行预测。仿真结果表明,建立的话务自学习的AR模型和实际的话务数据有很高的一致性,且仿真速度快,适合在实际的工作中应用。     

随机AR(1)MA(1)模型的参数矩估计及其相容性

利用矩估计法,给出了双重时序模型AR（1）－MA（1）的参数矩估计。在第二重模型MA（1）噪声方差已知的条件下,通过对协方差函数渐近性质的研究,证明了该矩估计的相容性。讨论了第二重模型满足对数MA时的参数的矩估计及其相容性、自相关函数及谱密度。     

误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性

在误差为AR(1)时间序列的情形下,给出了半参数回归模型的拟极大似然估计方程,并研究了拟极大似然估计量的存在性。     

一种新的时变参数AR模型分析方法

提出了一种新的非平稳信号的时变参数AR模型分析方法－局域波分解及其时变参数AR模型。该方法先用局域波分解方法把待处理信号分解成有限个基本模型分量，再对分解得到的基本模式分量建立时变参数AR模型，从而得出时频平面上的时变参数AR模型谱。它扩大了传统的时变参数模型法的应用范围，可用于复杂的非平稳信号的分析和处理。     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型.本文首先利用APdMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型.预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势.     

基于Web的数据挖掘系统模型的探讨

Web数据挖掘是把Internet和数据挖掘技术相结合起来的一个新兴的研究领域,本文阐述了基于XML的Web数据挖掘典型处理流程.且在其基础上设计了一个具体的基于XML的Web数据挖掘系统模型并给出其结构框架和工作机理,致力于提供一个Web数据挖掘的综合处理环境,提高挖掘系统的整体性能。     

对数随机系数自回归模型AR(1)参数矩估计的渐近正态性

在已知对数随机系数自回归时序模型AR(1)的参数矩估计及其相容性的基础上,通过对其协方差函数渐近性质的研究,证明了该矩估计的渐近正态性.