1) quadratic polynomial function smoothing-method
二次多项式滑动平滑法
1.
In the paper,the quadratic polynomial function smoothing-method is used to smooth the sampling data,which is proved to be effective in filtering the high frequency noise.
采用二次多项式滑动平滑法对采样数据进行平滑,有效地滤除了信号中的高频噪声。
3) slide multinomial
滑动多项式
1.
To curtail the extra effect,and uses the measured sufficiently,slide multinomial fitting model is put forward.
为了更加充分的利用观测信息,减少外界因素影响,提出了滑动多项式拟合模型。
4) Moving-orthogonal Smoother
正交多项式移动平滑
5) second exponential smoothing method
二次指数平滑法
1.
The system adopts the ASP+IIS structure, the database is Microsoft SQL Server 2000 databases, the kits is Microsoft Visual InterDev, The prediction algorithm is second exponential smoothing method.
系统整体采用B/S架构设计;前台采用基于Windows 2000 Server的Webserver服务,实现方式为ASP+IIS结构;后台采用Microsoft SQL Server 2000数据库,开发工具为微软公司的Visual InterDev、预测算法采用二次指数平滑法。
6) polynomial smooth
多项式光滑
1.
The deduction procedure of Hermite Interpolation polynomial smoothing x+ is extend.
三次Hermite插值多项式光滑的支持向量机模型采用的是一种多项式光滑技术,用三次Hermite插值多项式代替单变量函数x+,将原来不可微的模型变为可微的模型,并且给出了三次Hermite插值多项式光滑化单变量函数x+的推导过程。
2.
The deduction procedure of cubic spline interpolation polynomial smoothing + is extended.
三次样条插值多项式光滑的支持向量机模型采用的是一种多项式光滑技术,使用三次样条插值二次多项式来逼近单变量函数+,将原始非光滑的支持向量机模型转化为光滑模型,从而可以使用最常用的最优化的算法进行求解,给出了使用三次样条插值方法来光滑单变量函数的具体推导过程。
补充资料：平滑法
对不断获得的实际数据和原预测数据给以加权平均，使预测结果更接近于实际情况的预测方法，又称光滑法或递推修正法。平滑法是趋势法或时间序列法中的一种具体方法。
对于实际数据接近于平稳不变的情况，可以应用一次平滑法，以消除偶然因素的影响。一次平滑的算式为，式中 a为平滑参数，为t时刻采样值，的估值，即预测值。将上述迭代式在时间上展开，直接用采样值以及估值尳1来表示，即有
这表明在t＋1时刻的估值是以往实际采样值的加权平滑,而其加权系数相对于时间的关系符合指数规律,使较早时刻的情况对预测影响较少。因此，这种平滑法也称指数平滑法。平滑参数 a的值应按实际应用经验选定。a越大,表示近期的实际采样值影响越大。有时为了获得更好的修正效果，可以随时调整 a值，使它成为时变的。例如可选；而当时则选凭经验选定的下限值),于是有a1＝1.00,a2＝0.50,a3=0.33,a4＝0.25,a5＝0.20,...,a＝amin。如果先应用另一种预测方法求得的估值，再按上一时刻的预测偏差进行修正，则可提高预测精度。这就是一种递推修正法。这种方法假设一种预测方法对相邻两时刻的预测偏差有关联，因而可用某时刻的预测偏差来修正下一时刻的预测值。二次平滑法是指线性趋向时间序列连续两次应用一次平滑法来估计参数的方法。此外，还有高次平滑法。移动平均法也是平滑法的一种。
参考书目
N.T.Thomopoulos著,刘涌康等译：《实用预测方法》，上海科技文献出版社，上海，1980。(N.T. Thomopoulos，Applied Forecasting Methods, Prentice-Hall, Englewood Cliffs, 1980.)
对于实际数据接近于平稳不变的情况，可以应用一次平滑法，以消除偶然因素的影响。一次平滑的算式为，式中 a为平滑参数，为t时刻采样值，的估值，即预测值。将上述迭代式在时间上展开，直接用采样值以及估值尳1来表示，即有
这表明在t＋1时刻的估值是以往实际采样值的加权平滑,而其加权系数相对于时间的关系符合指数规律,使较早时刻的情况对预测影响较少。因此，这种平滑法也称指数平滑法。平滑参数 a的值应按实际应用经验选定。a越大,表示近期的实际采样值影响越大。有时为了获得更好的修正效果，可以随时调整 a值，使它成为时变的。例如可选；而当时则选凭经验选定的下限值),于是有a1＝1.00,a2＝0.50,a3=0.33,a4＝0.25,a5＝0.20,...,a＝amin。如果先应用另一种预测方法求得的估值，再按上一时刻的预测偏差进行修正，则可提高预测精度。这就是一种递推修正法。这种方法假设一种预测方法对相邻两时刻的预测偏差有关联，因而可用某时刻的预测偏差来修正下一时刻的预测值。二次平滑法是指线性趋向时间序列连续两次应用一次平滑法来估计参数的方法。此外，还有高次平滑法。移动平均法也是平滑法的一种。
参考书目
N.T.Thomopoulos著,刘涌康等译：《实用预测方法》，上海科技文献出版社，上海，1980。(N.T. Thomopoulos，Applied Forecasting Methods, Prentice-Hall, Englewood Cliffs, 1980.)
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