1) multifractal detrended fluctuation analysis
除趋势涨落分析方法
1.
We give multifractal detrended fluctuation analysis and Hlder analysis of discrete time series and use them to study the temperature time series fluctuations.
给出了离散时间序列多重分形除趋势涨落分析方法和霍尔德指数的计算方法,并用它们研究了气温时间序列。
2) detrended fluctuation analysis
去趋势涨落分析
1.
We use the detrended fluctuation analysis method to study the system s long-range correlation for different initial values and parameters.
以典型的混沌系统——Lorenz系统为研究对象,运用去趋势涨落分析方法对不同初值和不同参数条件下系统的长程相关性进行研究。
2.
Then we use the detrended fluctuation analysis method to study the system’s long-range correlation with different initial value and parameters.
首先采用典型的混沌系统―Lorenz系统为研究对象进行理论方面的研究,运用去趋势涨落分析方法对不同初值和不同参数下系统的长程相关性进行分析。
3.
The paper investigates the height and temperature fields reanalysis data of NCEP/NCAR by means of detrended fluctuation analysis method,and gives their scaling exponent distribution of East Asia region.
运用去趋势涨落分析方法分别研究NCEP/NCAR再分析资料中的高度场和温度场,揭示了东亚区域高度场和温度场的标度指数分布特征。
4) trend analysis
趋势分析法
1.
In this paper,trend analysis was introduced into the dynamic management of production performance.
油田生产中 ,各种动态指标的变化及相关性分析对开发方案的调整及部署非常重要 ,为了统计、分析并归纳总结油田开发中各种动态变化规律及彼此关系 ,文中将数理统计中的趋势分析法引入开发动态数据管理中 。
5) trend analysis approach
趋势分析法
1.
The paper takes a coastal city (hereinafter referred to as city A)as an example to analyze business date by trend analysis approach, and discover the reason and the sustainability of the city\'s basic endowment insurance fund balances.
趋势分析法作为一种审计方法一定程度上在审计领域中已经得到应用,但多为对被审单位的财务信息进行分析。
6) Detrended correspondence analysis
除趋势对应分析
1.
The distributive patterns of Chinese Mahonia and Epimedium were studied by Detrended Correspondence Analysis(DCA) and System Cluster Analysis.
应用除趋势对应分析和系统聚类分析对中国境内十大功劳属(Mahonia)和淫羊藿属(Epimedium)植物的分布式样进行了统计分析。
2.
The woody plant communities were studied by using the method of detrended correspondence analysis(DCA).
调查了浙江金华北山38个样地的38种主要树种的生态重要值,应用除趋势对应分析方法(detrendedcorrespondenceanalysis,DCA)对该地区的木本植物群落类型进行了定量分析。
3.
Detrended Correspondence Analysis(DCA) was performed based on the data of desity of attaching organisms,and the Canonical correspondence analysis(CCA) between the data of environmental factors and the density of attaching organisms was performed simultaneously.
以附着生物丰度数据进行了除趋势对应分析(DCA),并根据附着生物丰度数据和7个环境因子进行了典范对应分析(CCA)。
补充资料：能源消费趋势分析方法
能源消费趋势分析方法
tendence analysis of energy consumption
能源消费趋势分析方法(tendence allalysis。fenergy COnoumPtion)根据历史上能源消费的趋势推测未来能源需求量的一种预测方法，它主要采用的是时间序列分析方法。时间序列分析方法是将历更资料按时间排列并对它进行分析，找出它随时间变化的趋势与规律，并用数学关系式把它表示出来。然后根据这个关系式对今后进行预测。它是进行能源消费短期预测(例如短期电力负荷预测)的一种常用方法。其主要优点是灵活简便，短期预测较准确、主要缺点是没有揭示影响能源消费量变化的原因，仅从时序数据中寻找变化规律，因而不适用于长期预测。 趋势分析方法分确定性方法和随机性方法。 确定性趋势分析模型常用的主要有; ①滑动平均预测模型。假设能源消费时间序列数据为二，，二2二，x，，那末第t+1时期的预测值为么+1一(艾t十‘卜1十…+二卜N+1)/N，即以N个实际值的平均数作为预测值，N的大小依时间序列数据显示的规律而选定。若以加权平均数为预测值，么十:二(a0禹+alx下1+.‘.+嘶一lx卜N+1)/N，称为加权滑动平均预测模型，a为加权因子，也依时间序列数据显示的规律而选定，满足(a。+。、十…+断一;)/N~lo若对实际时间序列数据进行一次滑动平均，得到滑动平均数序歼，再对该平均数序列应用滑动平均预测模型，求得第t+l时期的预测值，称为二次滑动平均预测模型。 ②指数平滑预测模型。以t时期实际值x‘和预测值士的加权平均值作为第t+1时期的预测值，房、，一鳃+(l一a)资，，0<。<1。进一步推导可得反，+:一。xt+a(1一。)二卜1+a(1一，)Zx_。+…+a(l一。)卜召汾:+(l一。)t一“x，，即预测值为历期实际值指数形式的加权和。如对一次指数平滑后形成的序列致据再作一次指数平滑，称为二次指数平滑预测模型。 ③分解预测模型。将时间序列数据进行分解，求出趋势因素(y，)、季节因素(凡认循环因素(c力和随机因素(动，分别预测各种因素的预测值夕，+l、息一，和么+l、利用模型么+，一二们只瓦十l义么打求得第‘十l时能源消费量预测值。在分解模型中，滑动平均是常用的分解长期趋势因素的方法。分解预测模型适用于季度能源消_费量的预测。随机性趋势分析模型常用的主要有: ①自回归模型。浓一a，石一1+处xt一2十”·+外X卜，十所，称为P阶自回归模型，简记为AR(P)。 al、处一外为自回归参数，从为随机误差项。利用回归分析技术估计参数，得到参数估计量为舀1，舀。，一，舀*，于是第t十1时期的预测值为元+L一句不+乓苏一，十…+凡不一，+，。 ②自回归滑动平均模型。 不一a工不一:+纯不一:+…十外不一，+肠一月:肠一:一风肠一:一··一风八一。，称(P，砂阶自回归滑动平均模型，简记为ARMA(p，妇。al，气，:.a，，风，声2，…召，，分别为自回归和滑动平均参数，由回归分析技术估计得到其估计值。(李子奈)
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