搜索资源列表
guanliandu
- 是计算关联度的软件，调试过，可以执行。对学习时间序列预测很有意义-Is to calculate correlation software, debugging, you can perform. Time series prediction is very meaningful to learn
bp
- 可以采用神经网络对时间序列进行预测，具有较好的效果-The neural network can be used to predict the time series, which has better effect.
HPI-PREDICT
- 房价指数预测HPI，用时间序列ARMA模型预测房价-HPI forecast
holt_winters
- holt-winters 三次指数平滑算法,时间序列预测算法，带测试数据及Demo-Triple Order Exponential Smoothing, Holt-Winters algorithm, time series prediction algorithm with test data and Demo
Wind-Speed-Combined-Prediction
- 针对风电场短期风速的预测提出一种基于小波变换的组合预测方法。首先利用Mallat 算法对短期风速时间序列进行db3 小波三层分解与重构，得到短期风速时间序列的近似分量和细节分量。针对近似分量和细节分量的不同特性，对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测，对细节分量利用自回归求和滑动平均模型进行预测。最后各预测模型预测值组合叠加得到最终的短期风速预测值。仿真结果表明该方法具有较高的预测准确度。-In order to improve short-term wind speed pr
Arch Model
- 金融时间序列分析 1. 采用Pandas从Yahoo网上下载上市公司的5到10年的日收盘数据，上证指数的日收盘数据。 2. 计算上市公司和上证指数的收益率， 3. 针对上市公司收益率进行ARMA建模，确定P和q，并对残差进行分析，最后向前预测多期，显示预测图。 4. 针对上市公司收益率进行ARCH建模，确定阶数，并对残差进行分析，最后进行预测。 5. 针对上市公司收益率进行GARCH建模，确定阶数，并对残差进行分析，最后进行预测。(use Arch Model to ananlyse
数据挖掘pro
- 本项目的具体问题是关于时间序列数据趋势预测。具体的应用场景是电子商务。现在要求您对118天到146天的每天100个关键产品进行销售量预测。(In this project, you are asked to study the general topic of time-series data mining, and specifically for time-series data trend prediction.)
wfxyz
- 混沌时间序列分析与预测工具箱,包括了混沌时间序列分析的很多方法和预测方法,()
arima
- 时间序列法，通过过去数据来建立相应模型来预测未来数据(Time series, using past data to establish corresponding models to predict future data)