搜索资源列表
ARMA
- ARMA 过程编程实现，不是很难，可以实现一步预测。-ARMA process of programming is not difficult, step in the forecast can be achieved.
prediction-by-wavelet-and-ARMA
- 采用小波和ARMA模型对时间序列进行预测-Wavelet and the ARMA model to forecast the time series
ARMA-algorithm
- Forecast analysis of time series data, ARMA algorithm using ARMA algorithm to implement this function
time-series-for-prediction
- 基于时间序列对用水量的预测，建立arma模型确定阶数和参数，然后通过前几年的数据和周期性的趋势对未来的数据进行预测和检验.包含实例源数据及所有代码。-Based on time sequence for the forecast of water consumption, the establishment of arma model order and parameters, and then through the data of a few years ago and periodic t
HPI-PREDICT
- 房价指数预测HPI，用时间序列ARMA模型预测房价-HPI forecast
test
- 用于研究时间序列的方法有AR（自回归）、MA（滑动平均）、ARMA（自回归滑动平均）这三种模型。而对于一个平稳时间序列预测问题,首先要考虑的是寻求与它拟合最好的预测模型。而模型的识别与阶数的确定则是选择模型的关键。 1.用 迭代生成1000个点（前2个点自定义）。 2.在这1000个点中取800点进行时间序列分析建立合适的模型。 3.利用剩余的200个点进行模型预测，并看其是否匹配，最后校正。 -Methods for studying time series are AR (a
ARMA
- ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。(ARMA model is an important method for studying time series. It is composed
ARMA
- ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等(ARMA model is an important method to study time series. It consists of auto