1) chaotic time series analysis
混沌时间序列分析
1.
Researches on Recognition of Well Logs Based on the Chaotic Time Series Analysis;
基于混沌时间序列分析的测井曲线识别研究
2.
Programming combined MATLAB with Visual G + + in chaotic time series analysis is a fast and efficient method.
应用MATLAB与VC++混合编程进行混沌时间序列分析是一种快速有效的方法。
3.
The nonlinear dynamic theory and the chaotic time series analysis method were adopted to examine the nonlinear characteristics of strong earthquake ground motions in this paper.
引入非线性动力学理论和混沌时间序列分析方法考察强震地面运动加速度时程的非线性特征。
2) chaotic time series
混沌时间序列
1.
Prediction of chaotic time series using self-organizing fuzzy neural networks with entropy criterion;
基于熵判据自组织模糊神经网络的混沌时间序列预测
2.
Prediction for chaotic time series based on phase reconstruction of multivariate time series;
基于多变量相重构的混沌时间序列预测
3.
Chaotic Time Series Forecasting and Its Applications in Power System s Short-term Load Forecasting;
混沌时间序列的预测及其在电力系统短期负荷预测中的应用
3) chaos time series
混沌时间序列
1.
Trend prediction based on chaos time series for rotating machine sets;
基于混沌时间序列的旋转机械状态趋势预测研究
2.
A new soft-sensing model of current crude copper composition based on the chaos time series of foregone crude copper composition was established by using the phase-space reconstruction theory and the method of maximum Lyapunov exponent and by updating samples in time.
将转炉产粗铜成分的以往化验数据作为二次变量,化验数据严重滞后的当前炉次粗铜成分作为主导变量,并以延迟时间τ=2(炉次)将转炉粗铜成分时间序列分成两个子时间序列,采用重构相空间理论、最大Lyapunov指数方法和样本及时更新的办法,建立了一种仅对当前炉次的炼铜转炉粗铜成分进行软测量的混沌时间序列软测量模型。
3.
Chaos time series which includes very abundant and profound meaning has widely applications.
混沌时间序列有着极为丰富和深刻的内涵,而且应用非常广泛。
4) chaotic time-series
混沌时间序列
1.
Application of chaotic time-series in slope displacement forecasting;
混沌时间序列在边坡位移预测中的应用
2.
Prediction of chaotic time-series based on online wavelet support vector regression;
基于在线小波支持向量回归的混沌时间序列预测
5) chaotic runoff time series
混沌径流时间序列
1.
In this paper introduced Artificial Neural Networks(ANN),which is different from tradition way and has been used to take out the dimension of the chaotic runoff time series of reservoirs.
区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。
6) chaotic time series prediction
混沌时间序列预测
1.
Reservoir neural state reconstruction and chaotic time series prediction;
储备池状态空间重构与混沌时间序列预测
2.
Multiple clusters echo state network for chaotic time series prediction
用于混沌时间序列预测的多簇回响状态网络
补充资料：时间序列分析
| 时间序列分析 time series analysis 用随机过程理论和数理统计学方法，对时间序列进行的统计分析。数理统计学的分支。时间序列是指被观测到的依时间次序排列的数据序列。从经济到工程技术，从天文到地理和气象，几乎在各种领域中都会遇到时间序列。时间序列分析包括一般统计分析（如自相关分析、谱分析等），统计模型的建立与推断，以及关于时间序列的最优预测、控制和滤波等内容。经典的统计分析都假定数据序列具有独立性，而时间序列分析则着重研究数据序列的相互依赖关系。后者实际上是对离散指标的随机过程的统计分析，所以又可看作是随机过程统计的一个组成部分。例如，记录了某地区第一个月，第二个月，…第T个月的降雨量，利用时间序列分析方法，可以对未来各月的雨量进行预报。时间序列分析在第二次世界大战前就已应用于经济预测，第二次世界大战后，在军事科学、空间科学和工业自动化等部门的应用更加广泛。 就数学方法而言，平稳随机序列（见平稳过程）的统计分析，在理论上的发展比较成熟，从而构成时间序列分析的基础。时间序列分析的主要内容有：①频域分析。一个时间序列可看成各种周期扰动的叠加，频域分析就是确定各周期的振动能量的分配，这种分配称为谱或功率谱。因此频域分析又称谱分析。②时域分析。目的在于确定序列在不同时刻取值的相互依赖关系，或者说，确定序列的相关结构。③模型分析。20世纪70年代以后，应用最广泛的时间序列模型是平稳自回归——滑动平均模型（简称ARMA模型）。两个特殊情况是自回归模型和滑动平均模型。④回归分析。如果时间序列可表示为 确定性分量 与随机性分量之和 ，根据样本值（数据序列）来估计确定性分量及分析随机性分量的统计规律，属于时间序列分析中的回归分析问题。 |
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