搜索资源列表
随机过程 时间序列的分析
- 是随机过程中时间序列分析作业，基于Matlab编程实现模型判别，参数求取，模型预测等，另附有本人作业全文，供大家参考。-random process is time-series analysis of operations, based on the Matlab programming model checker, parameters strike, model projections, followed by my work, for your reference.
Gmmatlab.rar
- 灰色预测模型的matlab程序，用于对时间序列做预测。,Gray prediction model matlab procedure done for time series prediction.
ARIMA
- 自回归移动平均模型(Autoregressive Integrated Moving Average Model)的Matlab实现,时间序列分析代码-Autoregressive moving average model (Autoregressive Integrated Moving Average Model) to achieve the Matlab
gujia
- 如何用ARMA模型拟合股价时间序列?我在MATLAB2007上建立了ARMA模型，分析股价时间序列，模型已经有了，但是不知道如何得到拟合输出时序。分析需要拟合输出图，作拟合误差分析。-stock price estimation
matlabARMA
- 在matlab下时间序列分析ARMA模型的建立和预测程序ARMA-Under the matlab time series analysis and forecasting ARMA model procedures for ARMA
zq1
- 太阳黑子的时间序列用最小二乘法模型定阶的C语言程序-Sunspot time series model using the least square method to determine the order of the C language program
zuheyouhua
- 组合优化，gm（1，1）模型+时间序列模型优化建模-gm，shijianxulie
time_series
- 用时间序列法进行预测，模型为ARMI模型-Time series method used to predict, model for model ARMI
ARtesting
- 在MATLAB平台，利用AR模型对时间序列进行预测，采用ar()函数编程-In the MATLAB platform, the use of AR time series model to predict, using ar () function programming
ARMA
- 时间序列分析模型：本程序的目的是模拟一个ARMA模型，然后进行时频归并。考察归并前后模型的变化。-ARMA
GM1_1
- 灰色系统GM（1，1）模型及其检验,用于时间序列预测-grey system GM（1，1）model and its testing，can be used to predict
myAR
- 该程序给出了基于AR时间序列建模的陀螺随机漂移模型，并利用卡尔曼滤波方法滤除陀螺随机漂移，经验证，有良好效果。-failed to translate
time-series
- 用MATLAB完整的时间序列预测模型，适合多种方法-With a complete MATLAB time series forecasting model, suitable for a variety of methods
EMD
- 经验模型分解程序,用于时间序列分析.-For EMD
Programs_17a
- 时间序列分析模型构建方法、过程及步骤,并通过假设的时间序列用MATLAB软件,实现了模型的定阶、模型参数的估计过程。-To get the Lds MOdel.
AR
- matlab编写的时间序列分析工具，应用AR模型对时间序列进行预测-time series analysis written matlab tools, applications, time series AR model to predict
perduct算法
- 用于AR模型预测，是基于时间序列的一种预测算法，希望对大家有用(this is very good .there is some very ennomous data black .if you have some worst problem .you can aquire ours)
灰色（1，1）时间序列预测模型
- 灰色（1，1）时间序列预测模型，代码有详细注释，可以运行
ARMA
- 利用ARMA时间序列模型 预测短期内风速(Forecasting wind speed with ARMA)
ARIMA
- ARIMA 模型是在平稳的时间序列基础上建立起来的，因此时间序列的平稳性是建模的重要前提。检验时间序列模型平稳的方法一般采用 ADF 单位根检验模型去检验。当然如果时间序列不稳定，也可以通过一些操作去使得时间序列稳定（比如取对数，差分），然后进行 ARIMA 模型预测，得到稳定的时间序列的预测结果，然后对预测结果进行之前使序列稳定的操作的逆操作（取指数，差分的逆操作），就可以得到原始数据的预测结果。(time series prediction ARIMA)