2) traffic volume time series
交通量时间序列
1.
Fractal feature in the traffic volume time series of the city centre;
城市中心区交通量时间序列的分形特征
3) Traffic time series
交通时间序列
4) time series streams
时间序列流
1.
The work of this paper aimed at such a type of time series streams which have following characteristics:(1)Sequence data are continuously generated,potentially forever.
本文工作针对这样一类时间序列流,其特点为:(1)序列动态增长,高维,甚至是无限的;(2)对序列中的数据只能一趟扫描,利用一趟扫描建立时间序列流的近似概要,其后的处理只能依赖该概要结构;(3)对序列中的数据的重视程度由近及远降低,对远的数据逐步遗忘。
5) time series crossover
时间序列交叉
1.
According to the characteristics of heat supply and the demands of energy-saving control,heat load forecasting based on RBF neural network and time series crossover is proposed.
针对供热过程的特点及节能控制的需要,提出基于RBF神经网络的时间序列交叉供热负荷预报法。
6) monthly runoff time series
月径流时间序列
1.
Chaos analysis of the monthly runoff time series in Jinsha River,China;
金沙江流域月径流时间序列的混沌分析
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