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。     

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.     

基于非线性时间序列分析的网络流量预测

通过对网络流量的准确预测,实现流量的宏观调控和自适应调节,可避免网络拥堵。传统方法对网络流量的预测采用线性信号分析方法,而忽略了网络流量的非线性耦合特性,对流量的预测精度不高。提出一种基于线性时间序列分析的网络流量预测算法。仿真实验表明,采用该算法进行网络流量预测,能有效提高预测精度,并具有较强的稳定性和抗干扰性,具有较好的应用价值。     

时间序列数据挖掘在瓦斯监测中的应用

时间序列数据挖掘是一种根据动态数据揭示系统动态结构和规律的方法.本文就时间序列数据挖掘的国内外研究现状、时间序列分析等进行了论述,在分析了煤矿瓦斯监测数据的特点和多种模型的特征基础上,提出了论文所适用的数据模型为ARMA,同时,对特定的数据进行了数据建模,并对结果进行了分析和验证..     

论关联规则挖掘在时间序列中的应用

经过20年的发展,数据挖掘的研究内容已十分丰富,其中关联规则挖掘是数据挖掘研究的重要方向之一,它是数据挖掘从技术角度划分的一种形式。本文先对传统和现在的时间序列挖掘作一个简单的介绍,然后详细分析了时间序列的关联规则,最后重点说明了时间序列关联规则挖掘的相关内容。     

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.     

连续混沌系统时间序列的可视图分析

以连续混沌系统时间序列为例,通过可视图方法分析其可行性,研究结果表明网络的度分布并不是幂率分布;并且发现同一个混沌系统的两个变量所对应的度序列之间存在很大的关联性,且序列中大数值点基本上都没有成为网络中的大度点。通过详细的对比分析得出时间序列的二阶导数和网络度大的节点间存在一定关系。可视图的全局统计量可以很好刻画系统的分岔过程,因此,可视图方法完全可以用来分析连续混沌系统的时间序列。     

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。     

时间序列预测法的实际应用分析

根据所搜集的实际数据资料，以统计学为基础，采用时间序列预测方法，对扬州市农业总产值时间序列建立了趋势模型，结果说明简单模型也能达到较好的拟合效果和精度。     

基于时间序列分析的节气性火灾分析与预测

以2007-2009年每节气火灾发生数据为样本,利用时间序列分析方法拟合三次多项式函数模型,可以揭示火灾发生的规律性,进而确定火灾发生的高危节气,从而为防灾减灾提供科学依据。     

应用时间序列分析模型分析我国航班延误问题

时间序列分析理论用于处理数据有明显的时间序列特征。用于解决此类问题的软件Eviews是专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速从数据中寻找出统计关系,并用得到的关系去预测数据的未来值。将时间序列模型应用于分析我国航班延误问题,得出了较为准确的分析结果,并提出了改善航班延误问题的方法和思路。     

时间序列分析方法在心理学中的应用

在传统横向研究的背景下,纵向研究方法在国内心理学领域还未受到广泛的重视。随着心理学的不断发展,人们已经不能满足于对现象的简单描述、横断数据资料的分析和差异检验,而要对人类心理现象发生发展的内部动力机制进行研究,把握心理现象发展的内在规律性。因此,纵向研究就越来越受到心理学研究者的重视。时间序列分析方法就是纵向研究的一种非常重要的研究手段。该方法的重要价值在于它不仅能比较个体间心理量发生发展的趋势,确定动态变化变量间的因果关系,而且可以实现对人类心理和行为的预测和控制。虽然时间序列分析的理论比较复杂,需要长时的施测和记录,操作起来也不是很方便,但它的优势也是十分明显的。在国外,时间序列分析方法作为研究手段在心理学研究中已经取得了一系列理论上和应用上的进展。时间序列分析既是一种研究思想也是一种新的数据分析方法,它更加贴近人类心理的真实情境,有利于心理学工作者对心理学问题开展更加深入的研究。     

高等教育升学率的时序分析

日本高等教育升学率在20世纪50年代的微増之后,从60年代到70年代中期急剧增加,随后转为停滞趋势。这样的升学率的长期变化是由怎样的机制所规定的呢?以往的相关研究对教育需求的变化所进行的阐释可归纳为三种假设:(1)显示效果假设,(2)期待收益假设,(3)家计所得假设。本文通过理论与实证分析,对以上假设的有效性进行了验证。     

从时序数据库中挖掘频繁部分周期模式的高效算法

从时序数据库中挖掘周期模式是重要的数据任务，而部分周期仅关心所有时间点中的一个子集的周期行为，它在现实世界中广泛存在．本文提出了一个新颖的基于前缀图的挖掘频繁部分周期模式的算法，并通过实验证明了该算法在执行效率上比现有的挖掘频繁部分周期模式的算法有较大提高．     

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。     

时间序列分析预测模型在大坝安全监测中的应用

为了对大坝的运行情况进行安全的、实时的监控,根据大坝安全监控的理论知识,本文提出了一个基于时间序列模型预测。文中介绍了时间序列法原理,提出预测模型。     

小波分析在径流时间序列预测的应用

利用dmey小波变换、db4小波变换将柳江年径流总量及年最大径流量时间序列分别分解为不同尺度的频率信号,再使用传统时间序列分析方法对径流分解的频率信号分别设置参数并进行预测,最后利用小波逆变换对预测结果进行重构,以此建立年径流总量、年最大径流量预测模型.与只采用传统的时间序列预测模型对比,联合了小波变换的方法均获得更精确的预报结果.计算结果表明将小波变换运用于径流时间序列的预测能有效提高径流变化趋势预测的准确率,预报的稳定性以及精确度均能明显改善.     

基于时序全局主成分分析的南平经济发展动态描绘

区域经济发展是一个动态的过程。对区域经济发展水平进行综合评价,可以了解区域经济发展状况。运用基于主成分分析的时序动态综合评价方法,对2001年到2010年期间南平区域经济发展水平和经济发展速度进行了动态综合评价。结果表明,南平经济综合实力持续上升,“十一五”时期经济取得长足发展;在两个“五年计划”的开局几年,区域经济发展速度较快,为实现预定目标打下了良好基础。     

基于时间序列分析的网络舆情扩散模型研究——以广西镉污染为例

随着社会信息化的飞速发展,网络逐渐成为网民发布消息和发表言论的重要途径,其对突发事件的介入和参与能力也越来越强。研究以2012年“广西镉污染”为例,利用时间序列法对突发性事件的信息传播速度进行分析,为政府实行网络舆情疏导提供数量模型方面的支持,并从网络管理的角度提出在突发事件中对信息传播的监管建议。     

基于灰色理论的时间序列交通事故预测

针对交通事故发生的特点,探讨了灰色系统和时间序列模型在道路交通事故预测中的具体应用,在介绍分析道路交通事故灰色性的基础上,建立了基于灰色预测理论的交通事故预测模型,并用其分别对道路交通事故的死亡人数、交通事故量进行了预测,其结果是可信的．