搜索资源列表
ARMA
- 这是一个在matlab下时间序列分析ARMA模型的建立和预测程序。
R软件中文教程
- 本文档是对 R (“GNU S”）的入门介绍。R 是一种为统计计算和图形显示而设计的语言及环境，它和贝尔实验室（Bell Laboratories） John Chambers 等人开发的 S 系统相似。它提供了一系列统计和图形显示工具（线性和非线性模型，统计检验，时间序列分析，分类，聚类，……）。
VHDL语言100例(普通下载)
- VHDL语言100例 VHDL语言100例 第1例 带控制端口的加法器 第2例 无控制端口的加法器 第3例 乘法器 第4例 比较器 第5例 二路选择器 第6例 寄存器 第7例 移位寄存器 第8例 综合单元库 第9例 七值逻辑与基本数据类型 第10例 函数 第11例 七值逻辑线或分辨函数 第12例 转换函数 第13例 左移函数 第14例 七值逻辑程序包 第15例 四输入多路器 第16例 目标选择器 第17例 奇偶校验器 第18例 映射单元库及其使用举 第19
lbg
- 随着新的数学工具小波分析的实用化为基于NN负荷预测模型性能的改善提供了理论依据对于电力系统负荷非线性时间序列的辨识在预测方法研究中应给予重视在本文所用的基于小波原理和NN融合的预测原理是具有强的非线性-With the new mathematical tools of wavelet analysis into practical load forecasting model based on the performance of NN provides a theoretical basis
AR1moni
- 一阶自回归模型，用来模拟水文时间序列，其中包括了随机项-An autoregressive model to simulate hydrologic time series, including random items
ARIMAyubao
- 建立自回归滑动平均时间序列模型ARIMA,用来预测未来数据值-time series model-ARIMA to predict the future value
2013061684653145
- Matlab代码，实现时间序列的MA模型的属于预测-Matlab code, time series models are predicting MA
KafkaDemo
- Kafka是一个高吞吐量分布式消息系统。linkedin开源的kafka。 Kafka就跟这个名字一样，设计非常独特。首先，kafka的开发者们认为不需要在内存里缓存什么数据，操作系统的文件缓存已经足够完善和强大，只要你不搞随机写，顺序读写的性能是非常高效的。kafka的数据只会顺序append，数据的删除策略是累积到一定程度或者超过一定时间再删除。Kafka另一个独特的地方是将消费者信息保存在客户端而不是MQ服务器，这样服务器就不用记录消息的投递过程，每个客户端都自己知道自己下一次应该从什么地
ARMA
- ARMA时间序列模型预测，内附详解，可以作为参数识别的参考程序。-ARMA time series model predicts that included Detailed can be used as a reference parameter identification procedure.
MIDASs
- 这是一个新的模型，主要是对股票等时间序列建模，包括高频和低频数据，拟合精度比传统的时间序列模型都要好，以后的用处将会越来越广-This is a new model, mainly for stock time series modeling, including high frequency and low frequency data, the fitting precision is better than the traditional time series model, after
AR-model
- 时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法-auto regression model
GM
- 灰色预测是一种对含有不确定因素的系统进行预测的方法。灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。-Grey prediction is a system containing uncertainties method to pre
r-languge
- 本书通过案例讲述时间序列分析有关的概念和方法, 不仅介绍了ARMA模型、状态空间模型、Kalman滤波、单位根检验和GRACH模型等一元时间序列方法, 还介绍了很多最新的多元时间序列方法, 如线性协整、门限协整、VAR模型、Granger因果检验、神经网络模型、可加AR模型和谱估计等. 书中强调对真实的时间序列数据进行分析, 全程使用R软件分析了各个科学领域的实际数据, 还分析了金融和经济数据的例子. 本书例题用到的实际数据都可以从网上下载.-Book time series analysis
GRU预测模型
- 使用python编程，对时间序列进行预测建模。参数较少，预测比较准确，运行时间快。
金融数据处理
- 时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法(如非线性最小二乘法)进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。(Time series analysis is a theory and method to establish mathematical model by c