时间序列叠合模型及其在矿井涌水量预报中的应用

<正> §1 问题的提出对于非平稳时间序列{y_1},人们通过众多的研究发现常常包含两大部分。第一部分实际上是序列随时间变化的均值,体现出序列的变化趋势,往往可由多项式、指数函数、周期函数等来描述,称之为序列的确定性部分;第二部分是序列的随机部分可用自回归滑动     

鞅差时间序列半参数回归模型的小波估计

用小波方法研究了误差为滑动平均鞅差序列的半参数回归模型,得到了小波估计量的矩收敛速度及强收敛性.     

基于ICA的时间序列聚类方法及其在股票数据分析中的应用

时间序列聚类分析是时间序列数据挖掘中的重要任务之一，通常由于时间序列数据的特殊结构，导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进^一均值算法相结合的时间序列聚类算法，该算法首先利用独立成分分析对时间序列数据进行特征提取，然后利用改进￡．均值聚类算法完成对时间序列特征数据的聚类分析，从而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法的有效性和可行性，将其应用于实际的股票时间序列数据聚类分析中，取得了较好的数值结果。     

变系数的周期性时间序列模型及其应用

存在于各个领域的时间序列不仅表现出周期性的特征还易受外界因素的影响,而且外界因素的影响并非一成不变,同时,部分时间序列的周期是未知的.对于这样的易受外界因素影响的周期性时间序列,本文旨在构造含有变系数函数的周期性序列模型.将经典的时间序列模型分解成一个含有未知参数的部分线性变系数模型,利用B样条逼近外生变量的变系数函数,借助带有l₀惩罚项的最小二乘回归得到未知周期、周期序列以及外生变量的影响系数的估计结果.本文还给出了估计量的理论性质,包括周期估计的相合性、周期序列估计和变系数函数估计的渐近性质.通过第4章的模拟,我们展现了本文方法的优越性.最后我们通过三个实际数据的应用展现了本文方法的实用性.     

基于ICA的时间序列聚类方法及其股票数据分析中的应用

时间序列聚类分析是时间序列数据挖掘中的重要任务之一,通常由于时间序列数据的特殊结构,导致一般的聚类算法不能直接应用于时间序列数据.本文提出了一种基于独立成分分析与改进K-均值算法相结合的时间序列聚类算法,该算法首先利用独立成分分析对时间序列数据进行特征提取,然后利用改进K-均值聚类算法完成对时间序列特征数据的聚类分析,从而得到了一种新的基于特征的时间序列聚类方法.为了验证该方法的有效性和可行性,将其应用于实际的股票时间序列数据聚类分析中,取得了较好的数值结果.     

时间序列适时区间预报及其在气象中的应用

本文在[1][2]的基础上,提出了ARMA(p,q)模型的适时区间预报法,导出了适时区间预报的递推公式。并把它应用于气象预报中,取得良好的效果。     

M-Copula模型在金融时间序列分析中的研究与应用

研究了M-Copula模型的建模方法及应用.运用EM算法估计模型的参数,得到相应的统计结果.并利用M-Copula对上证综指和深证成指做了相关分析.通过分析两样本数据的特征,均建立了GARCH-t的边缘分布模型;根据两个对数收益率序列之间的相关特性,选取M-Copula模型对其相关结构进行建模分析,因M-Copula综合了不同Copula的特点,所以分布形式更加灵活,描述数据的厚尾和相关性特征的能力更突出,效果比单一的Copula更好.     

时间序列模型和神经网络模型在股票预测中的分析

利用MATLAB软件编程建立AR模型、RBF和GRNN神经网络模型,滚动预测上证指数开盘价、最高价、最低价和收盘价与实际价格对比,分析误差.结果表明,3种模型用于股票预测均是可行的,误差很小.AR模型不稳定,对个别预测较准;RBF和GRNN网络训练速度都很快,但GRNN比RBF预测效果好.     

统计分析方法在交通数据检测中的应用

为了加强对车辆的监控,准确地采集数据,合理调节疏导流量,更好地规范交通管理,采集交通流量数据的设备必不可少,同时对于厂家生产的有关交通数据的检测仪器也要制定出一套科学,客观,有效的检测标准,以便确保交通管理的科学性和准确性.经常采集的交通数据包括车流量,车型大小,停车是否越线.本文依据仪器所采集到的数据,给出了对仪器的测量精度是否达到规定标准的统计分析方法.     

时间序列模型拟合方法在先天愚型儿童视觉诱发电位谱分析中的应用

近几年来,平均诱发电位波形与智力障碍的相关问题引起许多科学工作者的兴趣[1]-[4],进行了研究,其中较多的分析方法是在时间域上进行的,而谢衷洁根据徐秉　等的实验资料在谱域上进行了统计分析[3],[4],其结果与实际情况是较吻合的,本文用时间序列的建模方法.应用AIC判阶准则,建立了 ARIMA(P, 1, 0)模型,并将 Kullback-Leibler信息量应用于判别分析. 所用的资料仍是属于上海脑研究所,参加受试的正常儿童16人,Down氏症患童17人.谱分析的结果表明 Down氏症患童诱发电位波形的谱成分与正常儿童的语成分在 0—5Hz, 7—10Hz,21—23Hz附近有…     

单调回归模型及其在退化数据中的应用

形如f=C1 C2∫0^t[exp∫0^u ω(s)ds]du(其中：C1，C2是常数，ω(s)是L^2可积)的函数是一个广泛的单调函数类，特别地，假定ω(s)是有固定结点的样条函数．我们用惩罚最小二乘的方法估计其中的未知参数，得到了参数估计的强相合性及渐近正态性，并将该模型用到退化实例中去，得到很好的效果。     

结构方程模型及其在高校排名中的应用

介绍了结构方程模型理论及其基本思想;并应用其理论,采用多指标综合评价方法,选取科研水平、人才建设、综合评价3个一级指标,国家重点学科数、核心期刊收录论文数和国家声誉等11个二级指标,基于基本能概括某省教育水平的25所高校的原始数据,将其标准化后,运用结构方程模型理论求解出各二级指标所占权重,再根据专家意见确定一级指标权重,通过加权平均方法求出高校综合得分,由高到低给出排名.     

遍历序列在动力系统平均方法定量研究中的应用

主要研究了遍历序列及其应用.在遍历函数的基础上,引入了遍历序列的概念.然后,从两个方面来研究离散情况下的遍历问题,从中得到了一些遍历序列的性质,并利用平均方法得到了离散情况下的动力系统的解的定量性质.     

基于时间序列的挖掘算法在流程工业产品质量控制模型中的应用

针对目前流程工业产品质量控制采用人工检查和统计质量控制方法,缺乏产品质量预先预报以及时时调整生产过程的工艺参数存在一定困难.利用生产过程采集到的实际数据,采用基于时间序列的动态数据挖掘技术和BP神经元网络,预测产品质量和分析产品生产过程的工艺,最大限度减少不合格产品的产出,提高生产效率.根据上述理论建立流程工业数据动态质量控制平台,以中厚钢板生产过程为例,应用表明了这种方法在实际应用中的正确性和有效性.     

时间序列模型的动态计量分析方法在科研投入效果评价中的应用

运用时间序列模型的动态计量方法对科研投入的效果进行分析.以GDP作为检验科研投入效果的经济指标,对1980-2001年我国科研投入对经济增长的贡献作用进行实证分析,构建了科研投入与GDP的自回归分布滞后(ADL)模型,以此为起点并结合平稳性检验和协整检验建立了动态计量经济学模型的一般形式即误差修正模型(ECM),该模型刻画了科研投入与经济增长二者之间长期稳定的均衡关系.     

ARIMA时间序列模型和BP神经网络组合预测在铁路客座率中的应用

首先利用python3.5对铁路客座率原始数据进行预处理,然后利用ARIMA时间序列和BP神经网络进行单一的模型预测,得出单一预测模型的均方误差.在组合预测求解时,先求出ARIMA时间序列模型的误差向量E_1和BP神经网络的预测误差为E_2,由于这两种预测方法是相互独立的,因此误差向量E_1和E_2线性无关且组合预测误差向量为E=(E_1,E_2),得出组合预测平方和的形式为J-W~TEW,然后根据组合预测误差平方和最小的原则来确定权值w_1,w_2,最后求解凸二次规划问题得到权值并求出组合预测模型和均方误差.通过比较单一模型预测和组合预测的均方误差,得出结论:组合预测模型的精确度高于单一预测模型的精确度.     

基于支持向量机的混沌时间序列模型在房产价格指数预测中的应用

针对房产价格指数的预测问题,建立了混沌时间序列的支持向量机的非线性预测模型.首先运用Cao氏法进行相空间重构,并利用改进型小数据量法计算最大的Lyapunov指数,分析上海房产价格指数时间序列的混沌特性.然后以最小嵌入维数作为支持向量机的输入节点,建立房地价格指数的预测模型.实例表明,该方法能较好地处理复杂的房地产数据,具有较高的泛化能力和很好的预测精度.     

语言数据的自回归模型及其在上证综指预测中的应用

专家对金融证券市场的感知和判断是一相对重要的信息资源,应在系统建模中结合实际数据加以适当吸收和利用.本文给出基于随机模糊结合方法的一类移动平均自回归模型,并将其用于上证综指月度数据的趋势预测中.由于专家的感知或判断通常以语言形式表达,而语言通常具有模糊性特征.基于模糊随机变量对此类语言数据定义其均值、方差、协方差以及误...     

图形化模型在亲子鉴定中的应用

利用图形化模型理论,以及DNA数据,研究了一个在法庭上颇有争议的亲子鉴定问题.通过案例中的家谱图,建立Bayesian网络,根据遗传学的孟德尔定律,借助于Hug in软件,计算出网络中各结点的概率.在数学上,给出了一个可供法庭参考的合理推断.     

组合时间序列ARMA模型在经济预测中的应用——内蒙古十一五期间GDP预测

2006—2010年是内蒙古"十一五"规划的重要时期.利用组合ARMA时间序列模型,对内蒙古2006—2010年GDP进行预测,得出的结果能够帮助我们把握"十一五"期间经济运行的变动趋势,并寻求最佳的调控办法.