水文预报的时间序列神经网络模型

时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性     

随机测量量时间序列分析

给出信号检测中随机测量量时间序列分析的方法，研究参数的统计特性。     

“时间序列预测”教学探讨

文章对“时间序列预测”的教学进行了探讨。     

基于FPSTWD算法与时间序列支持向量机的河流径流量预报

为及时掌握河道径流量变化趋势,为下游水库防洪调度提供依据,提出了基于时间序列的最小二乘支持向量机河道径流量实时预测模型。采用特征点分段时间弯曲距离算法对实时采集的时间序列数据进行分段与相似度计算,以缩减规模的子序列数据集对LSSVR模型进行训练优化,实现多个LSSVR子模型建模,将预测数据序列与LSSVR子模型的相似度匹配,自适应地选取最佳的子模型作为预测模型。应用该模型对某河径流量进行实时预测,模型评价指标中最大相对误差、平均相对误差绝对值和均方根误差分别为9.08%、3.25%与303m3。研究结果表明,该模型具有较好的预测性能,能够满足河道径流量预测的实际需求,并为下游水库防洪调度与水资源管理提供了重要参考。     

时间序列函数的几个性质

应用代数学知识,研究时间序列在左移、右移、复制、加、选择函数的作用下的性质.     

混沌时间序列的相关性及其应用

混沌时间序列分析不同于传统的时间序列分析,本质上是非线性动力学分析,在观念和方法上都有革命性的创新。探讨混沌时间序列的相关性及其应用。     

基于时间序列的疫情预测模型

以北京2003年SARS疫情统计为背景,对疫情时间序列进行分析和识别,建立了非线性时间序列模型来预测SARS病人变化数,通过仿真试验与实际对比验证,表明该预测方法是十分可靠的.     

保山城区空气污染指数的时间序列分析

根据保山城区2005—2008年的大气污染物监测资料,采用时间序列分析中的ARIMA模型,探讨保山城区空气污染指数的变化规律。结果表明,采用时间序列分析空气质量状况是可行的。     

我国城市化水平的时间序列分析

本文利用Box-Jenkin的随机时间序列ARIMA(p,d,q)模型分析法,通过特点的数据处理方式,建立了我国城市化水平的ARIMA(1,2,1)动态预测模型,预测了2006—2010年我国的城市化水平,提出要不失时机地采取相关措施,创造一定条件促进城市化的持续健康稳定的发展的四点建议。     

混合GM(1,1)SSODMM与时间序列分析预测模型

基于GM（1，1）模型的不足，在GM(1,1)SSODMM的基础上，建立了一个混合GM（1，1）SSODMM和时间序列的预测模型，对某企业产品的销售量进行了预测；并将GM（1，1）SSODMM模型的预测结果与混合模型的预测结果加以比较。     

基于时间序列的数据相似性统计

介绍了时间序列相似性搜索研究的现状,以指定查询序列搜索为算法基础,将其应用于具体的数据统计实践中去.时向序列相似性搜索研究具有挑战性及局限性.     

时间序列数据挖掘在医疗领域的应用

医院信息管理系统,不仅有利于提高了医务工作者的工作效率,同时也积累了大量的时间序列数据.时间序列数据挖掘技术对这些大量数据进行分析,会发现有用的、潜在的知识为开展高水平医学研究提供了有力的技术工具.对历史数据进行分析的同时能预测出未来的相关数据,为医院管理人员作出正确决策提供了依据.因此对医院信息系统中时间序列数据挖掘的过程以及所应用的技术深入研究,能充分发挥数据挖掘在医疗领域的作用.     

基于时间序列的图书馆个性化服务研究

数据挖掘技术运用到图书馆数据库中使得挖掘读者借阅数据间的规律成为可能.通过选取图书馆一星期的借阅信息,利用读者借阅数据的相关实例来描述时间序列法在图书馆中的运用,分析其在图书馆建设中的作用和意义.     

时间序列分析的理论与应用综述

时间序列分析提供的理论和方法是进行大型高难度综合课题研究的工具之一。其预测和评估技术相对比较完善,其预测情景也比较明确。近年来已有很多学者对于时间序列的研究取得了极其丰硕的成果,有的甚至在时间序列分析方法的基础上,研究出新的预测方法,在应用中求创新求发展。笔者从基本理论与应用等方面对时间序列分析进行了综述,同时阐述了它未来的发展趋势。     

时间序列相似性度量的研究

时间序列的相似性度量是时间序列数据挖掘研究中的一个重要问题,是进行序列查询、分类、预测的一项基础工作。寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义。目前从事这方面的研究除了少许理论论述外,几乎都采用一种固定的方法,即提出具体要求并提供实验数据。然而,大多数实验方法不是使用范围有限就是侧重点不同。为了提供一个比较全面的实验验证,用1NN分类算法进行了大量的时间序列交叉验证实验,重新评估了其中的弹性度量,并使用不同应用领域的28个时间序列数据集进行比较,结果表明,该方法具有更高的准确性。     

农田啮齿动物种群数量预测预报的一种方法

介绍利用时间序列模型～三次指数平滑法，结合季节指数法，对农田啮齿动物种群数量进行预测预报。并以板齿鼠和黄毛鼠作为示例，编制计算机程序，对两种鼠进行了种群数量的中长期预测（６～１２月），分别预测了１９９４年和１９９５年板齿鼠（Ｂａｎｄｉｃｏｔａｉｎｄｉｃａ）和黄毛鼠（Ｒａｔｕｓｒａｔｏｉｄｅｓ）种群数量的发生，预测准确率达到了８５％以上。     

基于时间序列分析的火灾趋势研究

一定时期内多起火灾的发生往往能够表现出非常明显、严格的概率规律性,这正是对火灾趋势研究的理论基础和依据。基于24小时火灾统计数据建立火灾趋势分析与控制的时间序列模型,最后根据模型结果对24小时火灾统计数据进行火灾趋势分析,有助于及时控制火灾趋势。     

基于时间序列分析的车载MEMS陀螺仪异常测量数据的辨识与修正(英文)

针对目前车载MEMS陀螺仪含有较多异常测量数据的情况,提出了一种基于时间序列分析的辨识和修正方法.根据MEMS陀螺仪测量数据的自相关函数和偏相关函数特征初步确定自回归移动平均(ARI-MA)模型,再引入AIC准则确定最优模型,并采用最小二乘估计法对模型参数进行估计.当此模型的有效性检验通过时,即用该模型对测量数据的变化趋势进行预测.当某个测量值与其预测值之差大于设定的阈值时,则判定此测量值为异常数据并用预测值进行修正.为了验证所提算法的效果,对MEMS陀螺仪测量的横摆角速度数据进行了实验.结果表明,所提方法可以有效地识别出车载MEMS陀螺仪的异常测量数据,并能进行合理的修正.     

常德市降水酸度时间序列谱分析

利用谱分析方法研究了常德市10年降水酸度月均值的周期变化。将加窗周期图谱估计与三角函数拟合相结合，分别确定各主要周期长度并以所得数据对数据序列进行三角函数叠加拟合。结果表明，降水酸度月均值具有12、7、4、18、3、6个月的周期变化，以7个主要周期分量可以很好地模拟降水酸度月均值的变化。