基于多元混沌时间序列的油田产量预测模型

油田产量的预测一直是石油工作者研究的重要课题.针对油田产油量、产水量、地层压力和时间之间有着混沌的特征,利用多变量混沌时间序列等方法研究了油田产量的混沌建模和预测问题.用C-C算法确定每一个变量的嵌入维数和延迟时间,重构多元混沌时间序列的相空间;使用基于奇异值分解的主成分分析消除重构相空间的冗余变量和噪声干扰,建立了有较好泛化性能的多元混沌时间序列油田产量预测模型;最后将混沌时间序列预测和Elman神经网络进行耦合,创建了基于主成分分析前馈网络的多元混沌时间序列油田产量预测方法.应研究表明,提出的多变量混沌时间序列预测方法的预测精确度优于单变量预测,它可用于解决具有多变量混沌时间序列的预测问题.     

Spectrum-Based Comparison of Stationary Multivariate Time Series

The problem of comparison of several multivariate time series via their spectral properties is discussed. A pairwise comparison between two independent multivariate stationary time series via a likelihood ratio test based on the estimated cross-spectra of the series yields a quasi-distance between the series. A hierarchical clustering algorithm is then employed to compare several time series given the quasi-distance matrix. For use in situations where components of the multivariate time series are measured in different units of scale, a modified quasi-distance based on a profile likelihood based estimation of the scale parameter is described. The approach is illustrated using simulated data and data on daily temperatures and precipitations at multiple locations. A comparison between hierarchical clustering based on the likelihood ratio test quasi-distance and a quasi-distance described in Kakizawa et al. (J Am Stat Assoc 93:328–340, 1998) is interesting.     

多维非线性自回归模型的投影寻踪学习网络逼近

本文研究基于投影寻踪学习网络的多维非线性自回归模型逼近的收敛性，证明了在L^k(k为正整数）空间上，投影寻踪学习网络可以任意精度逼近多维非线性自回归模型，并给出应用实例。     

Enabling Interactivity on Displays of Multivariate Time Series and Longitudinal Data

Temporal data are information measured in the context of time. This contextual structure provides components that need to be explored to understand the data and that can form the basis of interactions applied to the plots. In multivariate time series, we expect to see temporal dependence, long term and seasonal trends, and cross-correlations. In longitudinal data, we also expect within and between subject dependence. Time series and longitudinal data, although analyzed differently, are often plotted using similar displays. We provide a taxonomy of interactions on plots that can enable exploring temporal components of these data types, and describe how to build these interactions using data transformations. Because temporal data are often accompanied other types of data we also describe how to link the temporal plots with other displays of data. The ideas are conceptualized into a data pipeline for temporal data and implemented into the R package cranvas. This package provides many different types of interactive graphics that can be used together to explore data or diagnose a model fit.     

基于多元统计和时序方法的渭河水质评价及预测

利用SAS统计软件并结合主成分分析、聚类分析等多元统计方法对天水市境内渭河水域各段面的水质进行评价,并采用时间序列预测方法对2011年渭河天水段水域各断面的水质做出预测。结果显示:近年来天水市境内渭河水质主要以Ⅳ类水质为主,渭河水域整体防治能力不是太强。     

多元时间序列模型协方差矩阵的递归算法

本文推导了多元时序模型的协方差矩阵与模型参数的关系式，并给出了计算多维时序过程自协方差矩阵的递归算法     

基于多元逆模糊数的模糊时间序列预测方法

在相关文献提出的模糊时间序列预测模型IFTSFM的基础上,定义了多元逆模糊数(Multivariate Inverse Fuzzy Number)的概念,建立了基于多元逆模糊数的模糊时间序列预测模型.应用这一模型,将海南省1997-2016年度旅游总收入历史数据分为两组,分别进行了对历史数据拟合模拟和对未知数据的预测计算,取得了令人满意的结果.     

Identification of Refined ARMA Echelon Form Models for Multivariate Time Series

In the present article, we are interested in the identification of canonical ARMA echelon form models represented in a “refined” form. An identification procedure for such models is given by Tsay (J. Time Ser. Anal.10(1989), 357-372). This procedure is based on the theory of canonical analysis. We propose an alternative procedure which does not rely on this theory. We show initially that an examination of the linear dependency structure of the rows of the Hankel matrix of correlations, with originkin (i.e., with correlation at lagkin position (1, 1)), allows us not only to identify the Kronecker indicesn₁, …, n_d, whenk=1, but also to determine the autoregressive ordersp₁, …, p_d, as well as the moving average ordersq₁, …, q_dof the ARMA echelon form model by settingk>1 andk<1, respectively. Successive test procedures for the identification of the structural parametersn_i,p_i, andq_iare then presented. We show, under the corresponding null hypotheses, that the test statistics employed asymptotically follow chi-square distributions. Furthermore, under the alternative hypothesis, these statistics are unbounded in probability and are of the formNδ{1+o_p(1)}, whereδis a positive constant andNdenotes the number of observations. Finally, the behaviour of the proposed identification procedure is illustrated with a simulated series from a given ARMA model.     

关于时间序列分析的注记

本文讨论了时间序列分析中几个值得注意的问题 ;1自相关函数的意义 ,2趋势外推法预测中置信区间校正系数的计算 .     

基于ADL模型的贵州人口时间序列分析

众所周知,经济对人口总量有显著性影响。本文分析了人口总量关于出生率、死亡率和GDP的Granger成因,最后用自回归分布滞后模型研究贵州省人口模型,得到精度约为8‰的贵州人口的自回归分布滞后模型。     

基于修正的时间序列模型对冲击负荷的预测

电力负荷预测的实质是对电力市场需求的预测,是利用以往的历史数据资料找出电力负荷的变化规律,进而预测负荷在未来时期的变化趋势.由于经济、气候以及工业生产等诸多因素的约束和限制,电力负荷预测精度很难提高.一个好的实用的电力负荷预测模型则要求既能充分利用负荷的历史数据,又能灵活方便地综合考虑其他多种相关因素的影响.提出了回归与自回归模型相结合的时间序列混合回归预测模型,它的待估参数由BP神经网络进行修正,经实例验证,预测效果良好.     

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.     

时间序列的经验模态频率分解EMFD

在经验模态分解的基础上,提出了经验模态频率分解.经验模态频率分解是正交分解,有很好的性质和频率意义.     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

基于时间序列分析方法的伊犁州GDP的预测研究

基于时间序列理论,以伊犁州1978年至2014年来生产总值为基础数据,利用Eviewes8.0软件对数据进行处理分析,并对模型进行显著性检验,综合各种条件确定最终时间序列回归模型,对伊犁州未来三年的生产总值做出预测,为伊犁州党委、政府制定相关经济政策和发展战略提供科学依据.     

红塔系列香烟月均价格的时间序列分析

本文利用时间序列的方法,对带有删失数据的红塔烟草系列的月度平均价格进行了统计分析。得到了一定置信水平下的时间序列模型。为进一步的定性分析提供了模型基础。     

基于Volterra自适应方法的水文混沌时间序列预测

Volterra泛函级数能够描述具有响应和记忆功能的非线性行为,一般用于非线性系统因果关系点对的预测,把Volterra自适应方法应用于水文混沌时间序列的预测研究是一个有意义的工作。论文针对水文系统的复杂性,基于混沌动力系统相空间重构技术,构建了水文混沌时间序列Volterra自适应预测方法,并采用NLMS算法调整滤波器参数,并就模型进行仿真计算,讨论了模型参数对预测精度的影响。直门达水文站月蒸发量混沌时间序列预测实验表明,水文混沌时间序列Volterra自适应预测方法,具有较好的预测精度和效果,拓展了水文预测报方法的研究途径。