检索结果-南通市图书馆

Time-varying parameter auto-regressive models for autocovariance nonstationary time series

Science China Mathematics 2009年第3期52卷 577-584页

作者： FEI WanChun BAI Lun College of Textile and Clothing Engineering Suzhou UniversitySuzhou 215021China

In this paper, autocovariance nonstationary time series is clearly defined on a family of time series. We propose three types of TVPAR (time-varying parameter auto-regressive) models: the full order TVPAR model, the time-unvarying order TVPAR model and the time-varying order TV-PAR model for autocovariance nonstationary time series. Related minimum AIC (Akaike information criterion) estimations are carried out.

关键词： autocovariance nonstationary time series time-varying parameter time-varying or- der auto-regressive model minimum AIC estimation

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于ARIMA-NARNN组合模型的血吸虫感染率预测研究

引用

中国血吸虫病防治杂志 2016年第6期28卷 630-634页

作者：王克伟吴郁李金平蒋玉宇江南大学无锡医学院无锡214122

目的探讨ARIMA-NARNN组合模型预测血吸虫感染率的有效性。方法利用2005年1月至2015年2月江苏省血吸虫感染率资料分别建立ARIMA模型、NARNN模型和ARIMA-NARNN组合模型,比较各模型的拟合和预测效果。结果相比较ARIMA模型和NARNN模型,ARIMA... 详细信息

目的探讨ARIMA-NARNN组合模型预测血吸虫感染率的有效性。方法利用2005年1月至2015年2月江苏省血吸虫感染率资料分别建立ARIMA模型、NARNN模型和ARIMA-NARNN组合模型,比较各模型的拟合和预测效果。结果相比较ARIMA模型和NARNN模型,ARIMA-NARNN组合模型预测样本的MSE、MAE和MAPE均最小,分别为0.011 1、0.090 0和0.282 4。结论 ARIMA-NARNN组合模型能有效模拟和预测血吸虫感染率,具有较好的推广应用价值。

关键词：自回归滑动平均模型非线性自回归神经网络时间序列血吸虫病预测 autoregressive integrated moving average model (ARIMA) Nonlinear auto-regressive neural network (NARNN)

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Low Complexity Dynamic Channel Equalization in OFDM with High Frequency Mobile Network Technologies

引用

Journal of Signal and Information Processing 2017年第2期8卷 17-41页

作者： Redhwan Mawari Mohamed Zohdy Department of Electrical and Computer Engineering Oakland University Rocheser MI USA

We present in this paper a method for enhancing equalization of a dynamic channel. A dynamic channel is characterized and modeled by a high relative velocity between transmitter and receiver and fast changes of environment conditions for wave propagation. Based on Jakes model, an auto-regressive model (AR) [1] for such a dynamic system, i.e., a time variant channel is developed. More specifically, the enhanced equalization method we are proposing is a combination of a multi-stage time and frequency domain equalizer with a feed-forward loop. The underlined wok presents a unified approach to the equalization method that employs both time and frequency domains data to enhance the equalization scheme. In an OFDM system, the channel coefficients for each tap, in time domain for consecutive blocks, are partially independent thus correlated. Such correlation can improve the channel estimation if it is taken into account. The method in this paper enhances the performance of equalization by dynamically selecting the number of previous OFDM symbols based on the Doppler frequency. In order to decrease the complexity of the system model, we utilize the autocorrelation and Doppler frequency to dynamically select the previous OFDM symbols that will be stored in the memory. In addition to deriving earlier results in a unified manner, the approach presented also leads to enhanced performance results without imposing any restrictions or limitations on the OFDM system such as increasing the number of pilots or cyclic prefix.

关键词： Equalization Kalman auto-regressive OFDM Jakes Model

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

A Data-Driven Anomaly Detection Approach for Acquiring Baseline of Aircraft Engine Measurement Data

A Data-Driven Anomaly Detection Approach for Acquiring Basel...

引用

第36届中国控制会议

作者： Hao Sun Ying-Qing Guo School of Power and Energy Northwestern Polytechnical University

ISBN: (纸本)9781538629185

This paper presents a data-driven anomaly detection architecture designed for acquiring baseline of aircraft engine measurement *** auto-regressive（AR） models are established to analyzing measurement data utilizing U-C algorithm to calculate model parameters,when the aircraft engine operating in *** nominal engine measurement data is extracted to update the previously obtained baseline and the established AR *** updated baseline reflect the current working condition of the engine and can be used in fault diagnosis *** to the oil system of a civil high bypass ratio engine,the simulation result shows that abnormal measurement data can be detected in time and the latest steady-state baseline information of the current measurement data is obtained.

关键词： Aircraft Engine Data-Driven Anomaly Detection Baseline auto-regressive

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

数据挖掘技术在昆明电信业务收入预测中的研究应用

数据挖掘技术在昆明电信业务收入预测中的研究应用

引用

作者：李晓武昆明理工大学

学位级别：硕士

众所周知，电信规模庞大、纷繁杂乱的历史数据的背后隐藏着很多具有决策意义的有价值的信息，随着国内电信市场竞争的日趋激烈，如何发现这些对电信经营决策有用的信息，越来越成为电信行业的当务之急。本文是以昆明电信经营分析支撑系... 详细信息

众所周知，电信规模庞大、纷繁杂乱的历史数据的背后隐藏着很多具有决策意义的有价值的信息，随着国内电信市场竞争的日趋激烈，如何发现这些对电信经营决策有用的信息，越来越成为电信行业的当务之急。本文是以昆明电信经营分析支撑系统的项目的基础上来展开的。通过数据仓库、数据挖掘的时间序列分析技术，对昆明电信的业务收入的数据资料进行分析和预测。针对业务收入预测分析的主题，从昆明电信提取与各业务收入有关的数据建立数据仓库，然后从数据仓库中得到收入预测所需的聚合数据，应用目前两种使用广泛的非平稳时间序列高效预测模型ARIMA模型和auto-regressive模型预测昆明电信的业务收入，并利用AIC、SBC准则、残差白噪声检验、模型参数检验和实验结果对各模型进行了评估和比较。ARIMA模型的提出使得人们对非平稳时间序列的拟合精度大大提高，它已经成为最经典的时间序列拟合模型。ARIMA模型使用差分方法提取确定信息，故对模型直观解释不是很理想。auto-regressive模型使用确定因素分解方法提取序列确定信息，保证了直观性，又利用了残差信息，两者拟合精度相当，本文重点介绍ARIMA模型。本文论述了收入预测的整个过程，并使用了相应的算法和SAS工具加以实现，对经营分析人员进行相关分析具有一定参考价值。

关键词：数据挖掘时间序列 ARIMA auto-regressive SAS 数据仓库

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国城乡居民收入差距模型估计和预测

引用

商场现代化 2009年第20期 74-75页

作者：张亚丽山东大学经济学院

本文运用三种方法估计中国城乡收入差距,根据信息准则确定最优模型并做出预测,得出城乡收入差距未来增长速度不变,但绝对值会进一步扩大的结论。并指出政府应扩大对农业的科技、农村固定资产投资和农村金融的支持;农村也应大力发展乡镇... 详细信息

本文运用三种方法估计中国城乡收入差距,根据信息准则确定最优模型并做出预测,得出城乡收入差距未来增长速度不变,但绝对值会进一步扩大的结论。并指出政府应扩大对农业的科技、农村固定资产投资和农村金融的支持;农村也应大力发展乡镇企业、走生态农业和农产品深加工的方式增收,以缩小城乡收入差距实现构建和谐社会的目标。

关键词：城乡收入差距 ARIMA auto-regressive

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：