1) long-memory time series
长记忆时间序列
1.
Given a time series of the monthly consumer price index for food in a certain city from January 1973 to December 2002, we use adaptive forecasting equation of long-memory time series ARFIMA(0,d,0) to forecast consumer price index for food of January 2003, May 2003, October 2003, March 2004, August 2004, February 2007.
给出某市1973年1月至2002年12月每月食品消费价格指数时间序列,利用长记忆时间序列ARFIMA(0,d,0)模型的适应性预测公式预测了2003年1月、5月、10月、2004年3月、8月、2007年2月的食品消费价格指数。
2) long memory time series model
长记忆时间序列模型
3) long memory time series
长记忆序列
4) long-time memories
长时间记忆
5) memory sequences
记忆序列
6) serial memory
序列记忆
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