检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

时间序列分析的随机集方法

上海交通大学学报 2005年第3期39卷 400-404页

作者：陈良洲施文康上海交通大学电子信息与电气工程学院上海200030

通过建模仿真,对有独立观测值的统计方法进行估计、预测和控制,并提出了一种新的解决时间序列分析的方法.由全集中某些指定数值的最邻近域诱导出一种局部不确定的随机集模型,在"模糊集"的基础上将统计目标整合到基于规则的系统中.实例... 详细信息

通过建模仿真,对有独立观测值的统计方法进行估计、预测和控制,并提出了一种新的解决时间序列分析的方法.由全集中某些指定数值的最邻近域诱导出一种局部不确定的随机集模型,在"模糊集"的基础上将统计目标整合到基于规则的系统中.实例结果分析表明,随机集模型是一种很好的时间序列分析方法.

关键词：时间序列分析数据融合系统辨识随机集单点覆盖函数

时间序列分析方法及人民币汇率预测的应用研究

在线全文

学校读者我要写书评

暂无评论

上海理工大学学报 2005年第4期27卷 341-344页

作者：戴晓枫肖庆宪上海理工大学管理学院上海200093

在简要介绍时间序列模型的基础上,使用人民币/美元的日汇率值进行实证研究,建立相应的ARIMA模型和EGARCH模型并进行预测和评价.研究结果表明,EGARCH模型的预测结果较ARIMA模型理想,适合描述人民币/美元汇率的变动趋势.

关键词：汇率预测时间序列分析 ARIMA模型 EGARCH模型

时间序列分析方法在神经放电信号研究中的应用

在线全文

学校读者我要写书评

暂无评论

中国生物医学工程学报 1989年第2期8卷 120-127页

作者：刘力林毓西华南理工大学无线电与自动控制所

本文提出应用时间序列分析的方法来研究神经放电脉冲信号的特性。首先对神经放电脉冲间隔序列拟合自回归模型,然后求自回归模型的格林函数和功率谱密度函数。从而探求神经放电信号的某些规律性(如动态特性、记忆特性和周期性等等)。

关键词：时间序列分析神经放电信号

运用水文时间序列分析识别济南泉域岩溶发育特征

在线全文

学校读者我要写书评

暂无评论

地球科学 2021年第7期46卷 2583-2593页

作者：李严王家乐靳孟贵马河宽柳浩然彭涛中国地质大学环境学院湖北武汉430074 长江水利委员会长江科学院水土保持研究所湖北武汉430010 山东省地矿局八O一水文地质工程地质大队山东济南250014 中国气象局武汉暴雨研究所湖北武汉430205

岩溶含水层具有高度的非均质性和各向异性,为定量识别济南泉域岩溶含水层发育状况,通过选取泉域岩溶水补给区和排泄区的地下水位动态数据,采用相关分析和频谱分析,研究其对降雨补给的响应特征.地下水位-降雨量的自相关和互相关分析表明... 详细信息

岩溶含水层具有高度的非均质性和各向异性,为定量识别济南泉域岩溶含水层发育状况,通过选取泉域岩溶水补给区和排泄区的地下水位动态数据,采用相关分析和频谱分析,研究其对降雨补给的响应特征.地下水位-降雨量的自相关和互相关分析表明,系统对降雨输入信号的敏感程度自补给区至排泄区逐渐降低,但记忆作用逐渐增强.相位分析结果表明泉域地下水位对降雨信号的响应存在滞后现象,自补给区至排泄区滞后时间逐渐延长,补给区地下水位与降雨具有更好的线性相关性.交叉振幅分析结果表明补给区地下水流中快速流约占20%~30%,而在排泄区快速流占比减少至2.5%~10.0%.岩溶含水系统地下水动力条件主要受岩溶发育程度等介质内部结构影响,济南泉域岩溶含水层岩溶发育程度较低,含水介质和水流通道以岩溶裂隙为主,地下水运动以基质流为主.

关键词：岩溶含水系统时间序列分析岩溶发育状况济南地下水

在线全文

学校读者我要写书评

暂无评论

时间序列分析在流感疫情预测预警中的应用

中华预防医学杂志 2011年第12期45卷 1108-1111页

作者：朱猛祖荣强霍翔鲍昌俊赵杨彭志行喻荣彬沈洪兵陈峰南京医科大学公共卫生学院流行病与卫生统计学系 210029 江苏省疾病预防控制中心

目的探讨时间序列分析的自回归求积移动平均模型（ARIMA）在江苏省流行性感冒（流感）疫情预测预警中的应用.方法收集江苏省2005年10月至2010年2月各监测点流感样病例（ILI）监测数据,建立基础数据库,对每周ILI发病人数进行ARIMA建模... 详细信息

目的探讨时间序列分析的自回归求积移动平均模型（ARIMA）在江苏省流行性感冒（流感）疫情预测预警中的应用.方法收集江苏省2005年10月至2010年2月各监测点流感样病例（ILI）监测数据,建立基础数据库,对每周ILI发病人数进行ARIMA建模拟合,对2010年3-4月各周流感样病例发病情况进行预测.结果构建得到ILI发病ARIMA（2,1,2）预测模型为（1＋0.785B2）（1 -B）In Xt=（1＋0.622B2）εt,其中,B代表后移算子,Xt代表流感样病例发病人数,εt为随机误差.模型残差序列为白噪声,模型的Ljung-Box检验统计量为5.087,P=0.995,拟合效果良好.应用该模型预测2010年3-4月江苏省各周ILI发病情况,预测值符合实际发病变动趋势,实际观测值均在预测值95％CI值内.结论 ARIMA模型能较好地模拟江苏省ILI发病情况.

关键词：模型统计学流感人预测时间序列分析自回归求积移动平均模型

基于聚类和时间序列分析的变压器状态评价方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2019年第3期47卷 64-70页

作者：辛建波康琛翁新林陈田谢斌郭创新国网江西省电力有限公司电力科学研究院江西南昌330000 国网江西省电力有限公司检修分公司江西南昌330000 国网江西省电力有限公司江西南昌330000 浙江大学电气工程学院浙江杭州310027

传统的电力变压器DGA故障诊断方法,仅能二值化地判断设备处于健康或故障状态,无法表征变压器的潜在故障情况,也无法确定变压器向故障状态转化的趋势。对此,提出了一种基于聚类和时间序列分析的变压器状态评价方法。首先,基于点密度判据... 详细信息

传统的电力变压器DGA故障诊断方法,仅能二值化地判断设备处于健康或故障状态,无法表征变压器的潜在故障情况,也无法确定变压器向故障状态转化的趋势。对此,提出了一种基于聚类和时间序列分析的变压器状态评价方法。首先,基于点密度判据进行数据预处理,消除噪声影响。其次,基于大数据聚类思想,计算采样数据和历史故障数据簇的相对邻近度,根据计算结果将设备状态划分为健康、潜伏故障或故障。在此基础上判断故障设备的故障类型,基于故障类型关联权重计算健康设备的健康得分,通过时间序列相似性分析方法获取潜伏故障设备的预测故障发展时间。算例分析验证了该方法的可行性与有效性。

关键词： DGA 变压器聚类大数据时间序列分析