1) Time series of daily variation
日变时间序列
2) daily runoff time series
日径流时间序列
3) time series variable
时间序列变量
1.
Aim at the problem of time series variable cannot be p re dicted exactly,a new prediction model was proposed in this paper.
针对时间序列变量难以精确预测的问题 ,本文将最近邻思想与径向基函数网络相融合 ,提出了一种新的预测方法 ,并将其应用于石油产量的预测 ,取得了良好的效
4) Time change sequence
时间变动序列
5) multivariate time series
多变量时间序列
1.
Nonlinear prediction of short-term electrical load on multivariate time series;
电力短期负荷的多变量时间序列预测方法研究
2.
Phase space reconstruction of complex systems based on multivariate time series;
多变量时间序列复杂系统的相空间重构
3.
Research of data mining method on multivariate time series;
多变量时间序列模式挖掘的研究
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