1) statistical times-series models
统计时间序列模型
1.
The predictions of statistical times-series models were corrected based on the different types which were calculated by constructive neural networks mo-dels(covering algorithm).
采用构造性神经网络模型(覆盖算法)得出的类别值对统计时间序列模型的预测值进行修正,建立一种同时考虑时间序列自身周期变化和外生变量因子对时间序列未来变化趋势影响的混合预测模型,涵盖了实际问题的线性和非线性两方面,提高了预测精度。
2) statistic time-series model
统计-时间序列模型
3) A time-series cross-section count model
时间序列截面计算模型
4) classical time series analysis model
传统时间序列分析模型
1.
The classical time series analysis model(linear regression,two step moving average,one step smoothing,two step EXSMOOTH,three step EXSMOOTH,etc.
对比传统时间序列分析模型(线性回归、二次滑动平均、一次平滑、二次指数平滑和三次指数平滑等)与ARIMA模型在山东省粮食总产量中的拟合精度,并应用ARIMA(2,1,12)模型预测了未来3年内山东省粮食总产量。
5) time series model
时间序列模型
1.
Association rules mining in stock time series model;
股票时间序列模型的关联规则挖掘
2.
The establishment and analysis of the time series model of Guangxi s GDP;
广西GDP的时间序列模型的建立与实证分析
3.
General expression for linear and nonlinear time series model and its engineering application;
线性/非线性时间序列模型一般表达式及其工程应用
6) time-series model
时间序列模型
1.
This paper forecasts the gross domestic product of central region and points the development trend by building the time-series model.
通过建立时间序列模型,对中部地区的湖北、湖南、河南、江西和安徽5省GDP进行预测,指出中部地区GDP发展趋势,并通过与全国GDP的比较,找出中部地区GDP的发展差距,并得出相关结论。
2.
We carry on logistics demand forecast by taking time-series model and explain its application to logistics demand forecast by justment of data stationary,stead,standardization,modeling,discernment,making steps,parameter estimate and examination to predict,error and calculation of confidential interval.
本文采用时间序列模型进行物流需求预测,用实例从数据平稳性的判断,平稳化,标准化,建模,经模型的识别、定阶、参数估计和检验,到预测及误差和置信区间的计算,详细地说明了时间序列模型在物流需求预测中是如何应用的。
3.
We establish the combined regression-time-series model for Chinese inflation and compare its forecast results to that of regression model.
回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 。
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