1) temporal factors
时序因素
2) multifactor time series
多因素时间序列
1.
The multifactor time series prediction is an important part of Data Mining, which describes the potential relationships between prediction indexes and influential factors, and has a vast application in many fields.
多因素时间序列预测是数据挖掘的一个重要研究内容，描述预测指标与影响因素之间存在的潜在关系，被广泛应用于许多领域。
3) multi-factor time series method
多因素时间序列法
1.
Based on the analyses of the deficiency in practical use of present road accident prediction methods,the multi-factor time series method is presented and the multi-factor time series model for forecasting road accidents is built in this paper.
针对现有道路交通事故预测方法在实际应用中的不足,引入多因素时间序列法,建立了道路交通事故多因素时间序列宏观预测模型。
5) disorderly elements
无序因素
1.
What is worthy of serious attention is disorderly elements in institutional transformation and the negative impact of "policy inertia" of the original system.
值得严重关注的是体制变迁中的无序因素以及原有体制中的“政策惯性”的消极影响。
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