2) regression and time series model
回归-时间序列组合模型
3) linear regression model for time series
时间序列线性回归模型
4) time series regression model
时间序列回归模型
5) Time Series Multiple Linear method
时间序列的回归分析
1.
Under this background, the article uses the Time Series Multiple Linear method to study about the influence factors of housing price in Kunming, which is a very valuable exploration.
在此背景下,论文运用计量经济学中的时间序列的回归分析方法对昆明市住宅市场价格的影响因素进行研究,就是一种很有益的探索。
6) mixture autoregressive model of time series
混合自回归时间序列模型
1.
On the basis of components number estimation in mixture autoregressive model of time series,this paper use BP neural network method to forecast the time series,and example calculation manifest the high accuracy of model and wide prospect in practical forecasting.
在求出混合自回归时间序列模型的成分个数的基础上,应用BP神经网络对时间序列进行了预测,并对模型进行了数值模拟表明该预测模型的具有较高的精确度和广泛的应用前景。
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