时间序列分析中几个概念的解析

在时间序列分析的授课过程中，有一些概念性问题经常被学生所问及.本文对这些问题进行了汇总并给出了详细的解析.     

基于BP神经网络的时间序列预测问题研究

分析指出了基于标准BP神经网络的时间序列预测问题存在的不足.根据基于BP神经网络的时间序列预测问题的特点,研究给出了一种以y=x作为传递函数的时间序列预测方法,经实例验证表明,给出的以y=x作为传递函数的时间序列预测方法较基于标准BP神经网络的时间序列预测方法具有较好的结果.     

时间序列系统建模预测的一种新方法

利用微分方程数值解法对时间序列系统建模作了新的探讨 ,给出了单调型和起伏型时间序列的建模预测方法 .本文给出的方法适用范围广泛 ,尤其对间隔较小的时间序列能获得满意的精度 ,文中最后给以建模实例 .     

证券组合的Markov链模型

本文将证券价格时间序列分解成趋势变动序列和 Markov链 ,建立了证券组合的 Markov链模型 ,应用 Markov链理论对此模型进行了分析 ,给出了充分大的一个时间内的收益率 ,风险和切点组合的计算公式     

Autoregression Model of Time Series with Matrix Cross-Section Data北大核心CSCD

矩阵型截面数据时间序列的优点在于可以同时刻画多个对象的多个属性.本文重点研究了矩阵型截面数据时间序列的自回归模型,给出了该模型的参数估计、模型识别、白噪声检验三个方面的理论结果.最后再利用矩阵型截面数据时间序列自回归模型,对两支银行股的日收益率序列和日成交量变化率序列进行建模分析.     

自回归模型建立的必要条件及其应用

给出了对时间序列资料选择建立7种自回归模型的必要条件,并结合实际例子进行了分析和阐述.     

对角双线性时间序列的近似三阶矩结构和双谱密度

三阶矩结构和双谱是分析和研究非线性时间序列的重要方法。但对于双线性时间序列来说，计算两者的精确值是困难的。因此，寻找比较好的近似值就非常有必要。本文针对一般的对角双线性时间序列，给出了计算近似三阶矩和双谱密度的公式。仿真计算表明，这些公式是有效的。     

数字时间序列分析(Ⅳ)

第二讲　数字时间序列初析(Ⅱ) 3.数字时间序列的结构初析 数字时间序列的结构分析有助于了解序列在不同时刻之间的相依关系与内部结构。包括相关性分析、平稳性分析、线性性分析、周期性分析等内容。通过这些分析,可判断序列是动态还是静态,是平稳还是有趋势或周期,也可判别序列是否线性是否正态,以便针对数据结构特点,选用合适办法,对数据作进一步的加工处理。 3.1相关性分析 相关分析主要用来确定数字时间序列x1,x2,…,xN自身内在线性相关程度,并给出相应的定量测度。由于线性相关简单、直观,估计方法和统计检验都得到了充分发展,因而应…     

近似周期时间序列分析（英文）

本文首先给出了近似周期时间序列概念,即:具有周期特征但是周期长度变化的时间序列.比如,太阳黑子序列具有11年左右的周期,但是其周期并不是11,而是在11左右变化,这就是一个近似周期序列.然后给出了提取近似周期趋势方法,并且提出了广义差分算子,这里提出的广义差分算子不仅可以消除时间序列的长期趋势和周期性,而且还可以消除近似周期性.最后,以太阳黑子序列为例说明了广义差分算子的应用.     

ARIMA模型在医院季节性时序资料预测中的应用

通过分析医院时间序列资料的变动规律，本文找出了其共同的特点（如趋势增长或下降季节变化）和共性中的特点（高峰值的不同周期）。由于时间序列是由： Ｘ（ｔ） ＝Ｔ（ｔ）＋Ｓ（ｔ） ＋ｅ（ｔ）的成分构成，具有较明显的周期变化、增减趋势和季节波动，故医院季节性时间序列资料大都为非平稳时间序列，本文给出平稳化的步骤。预测具体方法和结果。     

基于逆模糊数的模糊时间序列预测的新方法

Song和Chisson于1993年提出模糊时间序列预测理论.虽然至今已经提出许多模糊时间序列预测模型,但是迄今为止尚未给出预测未知年数据的模糊时间序列预测模型.提出基于逆模糊数的模糊时间序列预测的新方法该模型对广西大学已知的2001~2012年的注册数进行预测分析,平均预报误差率比相关文献的方法有所改善.还对广西大学未知的2013年和2014年注册数进行预测研究.方法是短期预测的一种模糊时间序列预测方法.     

基于逆模糊数的模糊时间序列预测的新方法北大核心

Song和Chisson于1993年提出模糊时间序列预测理论．虽然至今已经提出许多模糊时间序列预测模型,但是迄今为止尚未给出预测未知年数据的模糊时间序列预测模型．提出基于逆模糊数的模糊时间序列预测的新方法该模型对广西大学已知的2001-2012年的注册数进行预测分析,平均预报误差率比相关文献的方法有所改善．还对广西大学未知的2013年和2014年注册数进行预测研究．方法是短期预测的一种模糊时间序列预测方法．     

航班延误的评估模型

本文验证了飞机的起飞和到达时间服从泊松分布,延误时间符合指数分布。通过建立航班延误动态排队模型和对机场数据的仿真分析,给出航班延误的主要因素,建立了基于时间序列的延误预测模型。采用此模型计算,给出使得总延误时间、延误成本和延误人数达到最小化的3个方案及航班延误的治理途径。     

航班延误的评估模型

本文验证了飞机的起飞和到达时间服从泊松分布,延误时间符合指数分布。通过建立航班延误动态排队模型和对机场数据的仿真分析,给出航班延误的主要因素,建立了基于时间序列的延误预测模型。采用此模型计算,给出使得总延误时间、延误成本和延误人数达到最小化的3个方案及航班延误的治理途径。     

ARCH模型分布变点监测与应用

分布变点监测是时间序列交点分析的一个重要内容.为将分布交点监测从线性时间序列模型拓展到非线性时间序列模型,提出一种经验特征函数型的统计量监测ARCH模型误差项平方的分布变点,给出了监测统计量在原假设下的极限分布,并证明了此方法的一致性,用Bootstrap重抽样方法获得了极限分布的临界值,并和Kolmogorov-smirnov型监测统计量进行了比较.模拟结果和实例分析说明了当已观测样本量较大时,采用经验特征函数型统计量监测效果较好.     

字符串匹配算法在DNA序列比对中的应用

高通量测序技术的飞速发展让生物信息领域迎来了大数据时代。新技术在提供海量生物遗传信息的同时,也给分析这些数据带来了新的挑战。DNA序列比对是信息分析流程中的关键步骤,为后续的变异检测提供序列比对信息。2015“深圳杯”数学建模夏令营B题以DNA序列比对为研究课题,希望参赛学生给出序列快速比对的最佳方案。本文简要点评了各参赛队伍的解答情况,然后介绍了现有DNA序列比对软件中用到的算法和数据结构。     

随机序列的适时预报方法——新息预报方法

<正> 人们在进行科学研究和科学实验的过程中,常常得到一系列的量测数据,由于这些数据带有一定的随机性,并往往依时间次序排列,因此常称之为随机时间序列,或简称为随机序列.如何充分利用随机序列的信息,分析研究客观事物本身的内在规律,并进一步预测未来,这往往是非常重要的.因此,首先需要从这串数据出发,建立合理的数学模型.关于这一方面,BOX给出了用ARMA(p,q)模型来描述平稳时间序列的方法和具体的     

大维乘积随机矩阵谱分布在因子分析中的应用

建立了一个简单实用的估计大维因子模型的因子个数方法. 特别当残差服从线性时间序列模型时, 给出了其参数的估计方法.另外也给出了这些估计量的极限理论性质.最后的模拟结果和实证分析显示本方法是有意义和有效的.     

经济时间序列的连续参数小波网络预测模型

本文利用连续小波变换方法,给出一种连续参数小波网络。网络参数的学习采用一种类似神经网络的后向传播学习算法的随机梯度算法。另外,提出了一种借助小波分析理论指导网络参数赋初值的方法。进一步,通过对中国进出口贸易额时间序列预测建模的研究和仿真预测,提出了用连续参数小波网络建立经济时间序列预测模型的一般步骤和方法。预测结果表明,此模型具有较好的泛化、学习能力,可以有效地在数值上逼近时间序列难以定量描述的相互关系,所以利用连续参数小波网络建立的时间序列预测模型有较高的预测精度。     

结构向量自回归时间序列的链图模型识别方法

本文研究了结构向量自回归时间序列的链图模型识别方法.利用局部密度估计法以及Bootstrap方法,给出了时间序列链图模型的概念以及模型结构识别方法.模拟结果显示本方法能有效地识别结构向量自回归模型变量问的相依关系.