1) series increasing with time
时间增长序列
2) long temporal series
长时间序列
1.
Spaceborne differential interferometric Synthetic Aperture Radar technology(D-InSAR) in long temporal series is an important technology in the land subsidence measurement,extraction of stable pointwise target is a critical procedure in long temporal D-InSAR processing chain.
基于长时间序列上的差分雷达地表形变检测技术是近年来形变监测领域中一项重要的关键技术,而在长时间序列上稳定目标点的准确提取则是其中的一项重要环节,在此本文提出了一个有效的提取稳定目标点的多级探测方法。
3) increasing time series
递增时间序列
1.
According to the conclusion that the smoothness level of a data row can be increased through the transform of the counter-hyperbolic sine function,two methods of autoregression forecasting based on the increasing time series are given.
依据"利用反双曲正弦函数变换提高数据列光滑程度"的结论,给出了两种异方差条件下递增时间序列自回归预测的改善方法。
4) 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。
5) time series
时间序列
1.
Hybrid time series predictive control model for silicon content in blast furnace hot metal;
高炉硅含量预测控制的时间序列混合建模
2.
A new approach to trend extrapolation of time series of ecological footprint and its application;
生态足迹时间序列趋势外推分析的一种新方法及其应用
3.
Fractal characteristics and R/S analysis of time series of natural hazards;
自然灾害发生时间序列的分形特征及R/S分析
6) time-series
时间序列
1.
A time-series study on the association of stroke mortality and air pollution in Zhabei District, Shanghai;
上海市某区居民脑卒中死亡与大气污染关系的时间序列研究
2.
A Time-series Study on the Relationship Between Gaseous Air Pollutants and Daily Mortality in Shanghai;
上海市大气气态污染物与居民每日死亡关系的时间序列研究
3.
Online Heuristic Algorithm of Representation for Time-series Based on Polygonal Boundary Reduction;
基于多边形边界约简的启发式在线时间序列表示算法
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