1) stationary time series
平稳时间序列
1.
The spectral density estimation of stationary time series with missing data;
漏缺数据平稳时间序列下的谱密度估计(英文)
2.
The methods of stationary time series,step-wise linear regression and BP neural network were respectively used for modeling of annual runoff forecasting for Dahuofang Reservoir.
通过分析大伙房水库所属流域的气候特征,找出合适的预报因子;采用平稳时间序列、逐步线性回归、BP神经网络作为几种典型中长期预报方法的代表,分别对大伙房水库进行年径流预报建模;综合比较三种方法的拟合与检验预报结果,可以得出BP神经网络法是最适合该流域的预报方法。
3.
In this paper,a hybrid modeling and forecasting method based on grey theory and stationary time series analysis is presented,and it is used in gyro drift forecasting.
提出一种基于灰色理论和平稳时间序列分析的混合建模方法,并将其用于预测陀螺漂移。
2) Non stationary time series
非平稳时间序列
1.
Therefore a study on the predicting model with non stationary time series is made.
目的许多大型旋转机械运行工况恶劣 ,非平稳、非线性特征明显 ,以及各种突发性、偶然性因素的影响 ,给基于振动信号处理的状态预测和状态维护分析带来困难 ,为此研究了非平稳时间序列预测模型。
2.
By using the proposed segmental feature dependent non stationary time series model, the new model not only achieves the modeling of correlation between different scale features but also implicitly models the correlation among neighboring frames in frame scale via parametric mean trajectory function.
该模型采用描述谱参数轨迹的段特征 ,在段尺度上实现了对语音信号帧间相关性的显式建模 ;采用段特征依赖的非平稳时间序列产生模型 ,实现了不同尺度特征间的相关性建模 ,并在帧尺度上通过参数化的均值轨迹函数 ,实现了对语音信号帧间相关性的隐式建模 。
3.
This paper introduced a method of wavelet based analysis and forecasting for non stationary time series.
提出了基于小波变换的非平稳时间序列分析预测方法 。
3) non-stationary time series
非平稳时间序列
1.
Study on the methods for modeling and forecasting gyro s drift performance based on non-stationary time series;
基于非平稳时间序列的陀螺漂移性能建模与预测方法研究
2.
Non-stationary time series prediction based on wavelet analysis and AR-LSSVM;
基于小波变换和AR-LSSVM的非平稳时间序列预测
3.
To build an appropriate mathematic model of the random drift of flexible gyro,two methods are discussed,using non-stationary time series analysis and using stationary time series analysis based on wavelet discomposition.
以挠性陀螺的随机漂移为研究对象,采用非平稳时间序列分析法和基于小波分解的平稳时间序列分析法,建立相应的随机漂移模型。
4) nonstationary time series
非平稳时间序列
1.
The moving average model-based nonstationary time series method is used in the model distinction, parameter estimation, and new information prediction in this paper.
根据大坝裂缝开度实测资料的特点,将裂缝开度{xt}看成一系列时刻t1,t2,…,tn得到的时间序列,采用基于滑动平均模型MA(q)的非平稳时间序列法,对其进行模型识别、参数估计和新息预报。
2.
? A state space approach for the modeling of nonstationary time series is presented.
非平稳时间序列的状态空间建模技术被用于陀螺漂移分析。
3.
This method is used to build forecasting models on the ideal time series from 33-mode Lorenz system,and especially the prediction on nonstationary time series are tested and analyzed.
简要介绍了基于统计学习理论的支持向量机方法的基本思想和原理,利用该方法对33模Lorenz系统的理想混沌时间序列建立预测模型,并对在此基础上产生的非平稳时间序列进行预测试验研究。
6) stable time rank analysis
平稳时间序列分析
1.
This paper introduces basic principles of stable time rank analysis.
介绍了平稳时间序列分析的基本原理,运用C#语言设计并实现了模型的建立及年平均流量的预报,提供了一个操作简洁、运算迅速并具有较好的适应性和预报精度的模型预报应用程序。
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条