安卓版下载

时间序列

  • 计量视角下离群值识别法的研究综述与展望
    模型；估计；时间序列；面板数据中图分类号：O212  文献标识码：A  文章编号：1673-260X（2023）07-0004-061 引言目前，对离群值的识别和处理的课题一直备受学者们关注，这是因为离群值会大幅恶化基于模型和估计的实证结果，使其出现严重的偏差和错误的预测。目前，离群值最常用的识别和处理方法有简单去除法和缩尾处理法。简单去除法是学者们根据数据本身的特征和直观意识来判断，将那些极值点（离群值）直接去除，以得到更稳定更有效的实证结果，但从统计学

    赤峰学院学报·自然科学版 2023年7期2023-08-26

  • 基于数据分解和深度强化学习的交通流预测方法
    局部加权回归时间序列分解方法将数据分解为趋势分量、季节分量和剩余分量.趋势分量由门控循环单元（GRU）训练，季节分量和剩余分量作为环境状态采用策略梯度算法和强化学习模型学习，根据门控循环单元网络的趋势预测结果，环境状态对预测结果进行及时调整.实验结果表明，本文提出的方法优于其他模型.关键词：交通流预测；强化学习；时间序列；策略梯度[   中图分类号    ]TP391[    文献标志码   ]  ATraffic Flow Prediction Meth

    牡丹江师范学院学报（自然科学版） 2023年3期2023-08-09

  • 山东省数字普惠金融对企业发展的影响
    字普惠金融；时间序列；企业经济；实质性创新一、引言数字普惠金融通过数字技术加强和完善金融基础设施，以较低的成本向社会各界提供多样的金融服务，从而有效地为全社会提供完善的金融服务。普惠金融涉及服务范围较广，包括支付、存款、贷款、保险、信用服务和证券等多种业务领域。随着数字经济的发展，数字化赋能金融，对投资融资等金融服务实现数字化创新应用，带动产业转型升级，推动企业科技创新，增强金融实体经济能力。现阶段数字普惠金融已深入百姓生活，改变了人们的投资和支付方式，革

    商场现代化 2023年9期2023-07-25

  • 基于Elman神经网络的风速时间序列预测实例
      要：风速时间序列具有非线性和非平稳性的特点，传统的预测方法难以建立风速间的函数关系，因此风速时间序列的预测结果精度不高。人工神经网络所具有的强非线性拟合能力有效地解决了风速时间序列难以预测的痛点，文章选择Elman神经网络预测全国3个地区不同尺度的风速时间序列，初步探讨了神经网络风速预测的可行性。结果表明，Elman神经网络经过训练，具有时序非线性拟合的能力，但预测结果精度尚未提高。关键词：时间序列；风速预测；Elman神经网络；预测精度中图分类号：T

    现代信息科技 2023年3期2023-06-22

  • 基于参考点信息预测的动态多目标优化经济决策模型研究
    个体质心建立时间序列，通过灰色预测策略产生预测个体；同时为了增加种群的多样性，在每个预测个体加上扰动。实验结果表明RGPS模型在处理動态多目标经济决策问题的有效性。关键词：动态多目标优化；灰色预测；参考点；时间序列中图分类号：F224.3        文献标识码：A          文章编号：1671-9255（2023）01-0043-05一、文献综述随着中国开放经济已成体系并日益复杂，在科学管理与经济决策的许多应用领域中存在着很多动态多目标优化问题

    安徽商贸职业技术学院学报·社会科学版 2023年1期2023-05-30

  • 基于时间序列的上证综合指数分析及预测
    鉴于此，选取时间序列作为模型，使用R语言作为实现的软件，先对序列进行平稳性检验和白噪声检验，计算出不同的模型的AIC值，最终选择ARIMA（2，2，0）作为报告使用模型，用时间序列回归来对上证综指进行拟合预测。关键词：时间序列；上证综指；ARIMA中图分类号：F224       文献标志码：A      文章编号：1673-291X（2023）07-0088-03引言在经济高速發展的社会，无论是商业活动还是金融活动大多都会采用回归分析等方式对未来做出预测

    经济研究导刊 2023年7期2023-05-21

  • 生育决策模型视角下江苏生育率演变趋势及成因分析
    出。本文运用时间序列数据，对江苏20余年的生育率演变规律及成因进行分析，认为可支配收入、教育成本以及女性受教育程度对生育率均有较为显著的影响，并从政策、企业、家庭和社会层面系统提出了江苏人口稳步增长的对策建议。关键词：生育率；时间序列；可支配收入；生育决策模型中图分类号：F24     文献标识码：A      doi：10.19311/j.cnki.16723198.2023.09.0250 引言人口问题是一个基础的、普遍的、影响深远的问题。随着经济水平

    现代商贸工业 2023年9期2023-04-27

  • 金融市场典型事实下的金融资产回报实证研究
    ：典型事实；时间序列；定量研究；风险管理 一、引言 啤酒生产在大多数国家都很普遍，消费率在很大程度上影响着啤酒生产速度和公司股价，进而为企业风险管理带来机遇与挑战。大多数学者如Schwert， 都对股票收益率和工业生产数据的关系进行了系统研究。Lazarus则从行业层面的角度出发，指出当前行业的金融资产回报与未来工业生产增长率间存在密切关系。现有研究从多方面实证啤酒的消费生产速率波动会引发包括股价变动在内的各种风险进而影响企业价值，但较少有基于金融资产

    中国集体经济 2023年10期2023-04-11

  • 基于时序挖掘的网络流量分析系统设计与实现
    展鹏关键词：时间序列；网络流量；异常检测；前后端分离0 引言当前正处于网络技术高速发展的时代，《“十四五”国家信息化规划》的发布进一步推动“互联网+”、大数据、云技术等前沿技术深度融合到生产、教育、科研等各个领域。以高校信息化建设为例，随着接入校园网络环境的设备、服务、信息系统等不断增多，针对网络的攻击愈发频繁，网络安全问题日益严峻。网络安全和信息化是事关国家安全、国家发展、事关全国人民学习、工作、生活的重大战略问题，没有网络安全就没有国家安全，没有信息化

    电脑知识与技术 2023年5期2023-04-06

  • 应用车联网的车辆综合油耗时间序列分析模型
    车辆综合油耗时间序列分析模型对于油耗分析波动能力、结果准确性较差的问题，基于车联网研究了一种新的车辆综合油耗时间序列分析模型。结合大渡河流域山区道路特点，计算车辆发动机的功率，提取拥堵道路有效数据，分析1VSP小区间内的燃油消耗，采用对数变换的方式缩小车辆发动机转速与转矩的差距，以实现车辆油耗数据与发动机相关数据的预处理。引用信息熵的概念评估车辆综合油耗时间序列分析模型的复杂度与优良性，确定车速与油耗之间拟合曲线，构建大渡河流域车联网车辆综合油耗时间序列分

    粘接 2022年7期2022-07-19

  • 互联网背景下时间序列分析课程教学的研究探讨
    孟佳摘 要：时间序列分析是一门对纵向数据建模分析的应用型课程，能够非常有效地处理时间序列数据，在“人工智能+互联网+教育”的新形势下，丰富多样的教学资源和学习途径涌现，有必要进行教学改革，更新数据分析能力的培养模式，更好地适应大数据形势的发展。文章从思政元素、师资队伍、教学方式、教学内容、实践能力五方面对该课程的教学改革作出尝试，力图完成课程价值塑造、能力发展和知识教导三位一体的教学目标。关键词：时间序列;互联网+教育;课程思政中图分类号：G64     

    学周刊 2022年22期2022-07-13

  • 基于时间序列模型的吉林省农产品市场营销策略分析
    分析后，通过时间序列模型来对未来的吉林省农产品出口额进行预测，最终提出问题和解决对策。关键词：农产品;市场营销;时间序列;出口额预测一、吉林省特色农产品概况及营销模式分析1.吉林省特色农产品现状概况吉林省作为农业大省，其大豆、玉米等农产品产量在我国处于前列，同时吉林省的特色农产品产量在我国也处于领先位置。例如有东北特色的长白山人参是吉林省远近闻名的中草药的特产，其含量占全国的80%，世界总含量的70%，是国家地理标志保护性产品，且吉林高粱酒作为吉林省农业产

    商场现代化 2022年17期2022-05-30

  • 北京市居民消费结构计量分析
    性回归模型;时间序列一、引言中国作为当今世界上唯一工业门类齐全的工业大国与世界第二大经济体，是世界经济增长的重要引擎。自2008年全球性金融危机以来，大量国家经济放缓。我国出口因为国外经济疲软而受到波及，贡献降低且投资周期相对较长、见效较慢，所以发展内需成为今后促进经济的重要方向，这也与我国倡导的“内循环”模式相呼应。我国发展内需有着优厚条件，目前为止已经形成了近三亿规模的中产人群，中国未来内需市场巨大。但是，不可忽视的是如今中国仍有六亿人每个月的收入仅在

    商场现代化 2022年7期2022-05-30

  • 基于ARMA模型的新疆铁路客运量预测
    化趋势，采用时间序列中自回归差分移动平均模型（ARMA），介绍如何通过ARMA模型对铁路客运量进行定量预测。以新疆统计年鉴提供的新疆铁路客运量数据（1985—2018年）为基准，对该时间序列进行平稳非白噪声处理。结果显示在置信区间合理范围内，ARMA（1，2，2）提供了比較准确的预测结果，可用于对未来客运量的预测，结合模型并对2019年新疆铁路客运量进行预测，以期为新疆运输业的发展提供参考依据。关键词：时间序列；ARMA模型；新疆；铁路客运量中图分类号：F

    经济研究导刊 2022年33期2022-05-30

  • 基于LSTM的燃煤电厂NOx排量软测量
    行数据具有的时间序列特征，提出一种基于长短期记忆神经网络的软测量方法对NOx排放量进行预测。在分析NOx产生机理的基础上，利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据，初步选取与NOx排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差，并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试，并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明

    西安科技大学学报（社会科学版） 2022年2期2022-05-06

  • 上市公司商业信用时间序列研究
    ;信号传递;时间序列【中图分类号】F276.6      【文献标识码】A      【文章编号】1004-0994（2022）07-0034-9一、引言在金融市场发展比较滞后的一些新兴市场国家， 非正规金融对经济发展起到了重要作用， 特别是商业信用[1] 。 在信用环境较发达的国家和地区， 商业信用是企业重要的外部融资渠道之一， 所以有必要对我国商业信用的发展状况进行分析。 目前的文献主要集中于讨论商业信用的获得， 较少文献基于商业信用供给角度进行研究，

    财会月刊·上半月 2022年4期2022-04-24

  • 基于SARIMA模型的农村供水工程用水量实时预测
    加权平滑; 时间序列中图法分类号：TU991.31 文献标志码：A DOI：10.15974/j.cnki.slsdkb.2022.04.007文章编号：1006 - 0081（2022）04 - 0042 - 040 引 言从中国供水发展的历程来看，首先解决的是城市地区集中供水的问题，偏远的城镇和农村地区长期采用河湖、水窖、地下水等分散取水方式。近年来，政府大力提升农村安全饮水条件，建成1 100万处農村供水工程。农村供水工程点多、线长、面广

    水利水电快报 2022年4期2022-04-20

  • 基于分段聚合和卡尔曼滤波的纱线直径时间序列预测
    线直径值建立时间序列模型状态方程，采用自回归滑动平均模型ARMA（p，q）进行纱线直径和变异系数预测，然后利用卡尔曼滤波对预测值进行优化。通过实验对预测模型进行准确性验证，结果表明：卡尔曼滤波优化后预测的纱线直径均方根误差为2.68%，平均绝对百分比误差为6.71%;比对其他预测方法预测的条干不匀率，显示出良好的预测精度;模型泛化验证所选取的8个实验样本的检测结果均在乌斯特50%统计值内，同时纱线平均直径与理论直径之间的误差小于3%。这表明该预测模型对于在

    现代纺织技术 2022年2期2022-03-29

  • 基于LSTM的智能家庭用电预测模型研究
    与全连接层对时间序列数据进行训练，得到预测模型。实验结果表明，所提方法的预测效果明显优于其他三种模型，能与真实数据较好地拟合。关键词：智慧能源;用电预测;特征选择;时间序列;LSTM网络中图分类号：TP399     文献标识码：AResearch on Smart Power Consumption Prediction Model of Smart Home based on LSTMZHOU You， XU Dan， ZHAO Can， TAN Yu

    软件工程 2022年2期2022-03-09

  • 基于GRU序列的攻击趋势预测
    归神经网络;时间序列;编码器;译码器1 方案背景入侵检测领域对于机器学习的应用在近些年有了飞速提升，如人工神经网络，遗传算法等，都在入侵检测领域颇见成效。但是由于机器学习方法存在很多局限性，使得他无法面对多样化的入侵手段。需要对学习方法有高要求，才能应对入侵特征的自动提取和分析。深度学习在处理复杂数据时，有突出的识别能力，是由于应用了高度非线性结构。同时，深度学习算法也由于并行计算硬件设施的高速发展，有了更强大的硬件能力。借助合理的网络结构，可以对深度神经

    科技信息·学术版 2022年5期2022-02-21

  • 基于GRU序列的攻击趋势预测
    归神经网络;时间序列;编码器;译码器1 方案背景入侵检测领域对于机器学习的应用在近些年有了飞速提升，如人工神经网络，遗传算法等，都在入侵检测领域颇见成效。但是由于机器学习方法存在很多局限性，使得他无法面对多样化的入侵手段。需要对学习方法有高要求，才能应对入侵特征的自动提取和分析。深度学习在处理复杂数据时，有突出的识别能力，是由于应用了高度非线性结构。同时，深度学习算法也由于并行计算硬件设施的高速发展，有了更强大的硬件能力。借助合理的网络结构，可以对深度神经

    科技信息 2022年5期2022-02-21

  • 基于ARIMA模型的股票价格实证分析
    析选取的股价时间序列数据的平稳性，若是不平稳序列，要把该数据平稳化处理后才能继续进行后续分析。实证分析结果表明，利用选取的ARIMA模型预测大众公用9天的开盘价，结果显示，预测的误差较小，说明该模型具有一定的参考价值和现实意义，ARIMA模型可以为投资者及相关投资机构提供股票投资决策参考。关键词：ARIMA模型  股票开盘价  时间序列  股票预测中图分类号：F832.51       文献标识码：A        文章编号：1672-3791（2021）

    科技资讯 2021年29期2021-12-31

  • 基于电力大数据的经济景气指数分析
    节调整算法;时间序列电力是各行业经济发展的重要能源，用电数据是国民经济的“晴雨表”，能够反映经济发展的真实情况。积极开展大数据应用研究工作，让外部数据“走进来”、电力数据价值“走出去”，通过横向拓展、纵向延伸，深度挖掘电力数据的社会化应用价值也是电力数字化发展的重要方向。景气是对研究对象发展状况的一种综合性描述，用于说明研究对象的活跃程度。景气分析是一种经济周期的统计分析方法，利用月度或者季度数据经济统计序列，分析研判经济发展在周期性波动中所处的阶段，通过

    家园·电力与科技 2021年11期2021-12-28

  • 我国当前高等教育投资规模状况分析
    教育财政支出时间序列采用“二次型模型”进行了确定性的趋势拟合并给出了模型参数的估计结果，最后根据影响高等教育投资规模的四类主要因素，采用多元时间序列协整的方法对我国当前的高等教育投资规模状况进行了分析。分析得出：我国高等教育的投资规模并不适合，与我国当前的经济增长之间存在着较大的缺口，高等教育投资规模的增长速度远落后于我国经济建设的增长速度，国家应继续保持对高等教育投资扩大投资力度，努力促进高等教育投资主体多元化，实现高等教育事业与经济建设相互拉动、相互促

    科学与生活 2021年22期2021-12-27

  • 电力市场下日前电价预测方法的研究
    差。本文提出时间序列法（ARIMA）和神经网络法（LSTM）对电力市场供给侧短期电价变化进行预测。其中神经网络法主要针对循环神经网络（RNN）的缺点和不足，将神经网络算法引入电价预测模型中，根据时间序列之间存在的相关关系对样本数据进行学习与训练，降低实验误差。基于深度学习的长短期记忆（LSTM）神经网络可以同时兼顾数据的时序性和非线性，包含的记忆单元能够有效的克服RNN梯度消失问题，使得模型更加适合电价预测，预测短期电价精度高。关键词：电力价格; 时间序列

    科学与生活 2021年22期2021-12-27

  • 时间序列在济南市GDP预测中的应用与可行性分析
    的最终结果。时间序列是一种动态数据分析的方法，为了探索未来5年济南经济发展的趋势，本文以济南市近20年拟合ARMA模型进行预测，最后得出结论，未来五年济南市GDP将逐年增长，增长趋势相对稳定。关键词：GDP;时间序列;ARIMA模型;预测;Eviews1.前言1.1模型介绍ARMA模型（Autoregressive moving average model）是时间序列最常用的最有效果的一种数据处理模型。若时间序列满足则该时间序列服从（p.q）阶的自回归滑动

    电子乐园·上旬刊 2021年3期2021-12-24

  • 外部冲击对零售业的影响
    业。关键词：时间序列 新冠疫情 VAR模型引言在经过改革开放40多年的发展，我国的经济发展取得了举世瞩目的成就，国内生产总值从3679亿元增长到990865亿元，经济实力跃升至全球第二位，人均收入于2019年达到了3.1万元人民生活有了显著提高。而推动我国经济快速发展的动力就是我们常说的三驾马车：投资、出口、消费，在最初阶段我们主要通过投资这架马车来拉动经济的增长，到了2002年我国加入世界贸易组织后，我们国家凭借着廉价的劳动力成本优势，在全球的对外贸易中

    科学与生活 2021年8期2021-12-22

  • 基于ARIMA 模型预测Bitcoin 价格的研究
    IMA模型;时间序列引言2008年10月，一位名为中本聪密码学者发布了《比特币： 一种点对点的电子现金系统》的文章，文内描述了一种被他称为“比特币”的电子货币及其算法。随后，中本聪挖出第一个区块，即所谓的创世区块，由此比特币正式诞生。比特币是基于区块链技术，具有分布式账本、可追溯、不可篡改、去中心化等特点，为金融创新带来了新的可能。在比特币出现后，还有以太坊、瑞波币等基于区块链技术的数字货币大量涌现。比特币的底层技术是区块链。区块链，顾名思义是由“区块”和

    科学与生活 2021年21期2021-11-10

  • 基于ARIMA模型对我国客运量的分析和预测
    策。本文采用时间序列建模的方法，通过数据预处理、模型识别、参数估计以及模型检验与优化等步骤，建立了ARIMA（0，2，4）模型，并利用该模型对未来5年我国客运量进行预测，并基于预测结果提出了合理化建议。关键词：客运量;时间序列;SAS;ARIMA模型1引言1.1研究背景一个国家，过去与未来的经济发展与交通运输都是相互影响和制约的，民间流传的一句话，最形象的表达了运输与经济发展的关系：“要想富，先修路”。所以在更加注重经济发展的今天，运输业的发展已经成为一个

    锦绣·下旬刊 2021年12期2021-11-03

  • 基于LSTM神经网络的时间序列证券价格趋势预测
    精确度更高的时间序列预测模型是很重要的。本文在吸取前人利用神经网络模型进行证券价格趋势预测中的经验，基于长短期记忆人工神经网络搭建时间序列，提出利用指数移动平均值均线对数据进行采样，以提高时间序列对证券价格趋势预测的准确性。本文采用的时间序列数据为上证指数日线收盘价，实验结果表明预测精确度提高70%，采用指数移动平均值均线对数据进行采样输入时间序列分析模型的预测效果优于传统方法进行数据采样。本文的实验结果为国家对市场的监督和投资者的决策提供了一定参考。关键

    中国商论 2021年20期2021-10-28

  • 基于泛函回声状态网络的时间序列分类
    SN）能够对时间序列分类问题，具有分类效果好的优势。基于实时监测的结构状态分析问题，是典型的多变量、大数据集的时间序列分类问题，于是本文将泛函回声状态网络扩展至结构状态分析领域。利用Bookshelf框架模型试验，验证了FESN方法在结构损伤识别准确率方面的优势。关键词：泛函回声状态网络;时间序列;遗传算法;损伤识别中图分类号：1 引言泛函回声状态网络（FESN）是已经成功应用于单变量时间序列分类的一种方法。FESN的工作就是将频率分析方法加进了回声状态网

    科教创新与实践 2021年32期2021-10-21

  • 政策工具视角下我国社区教育政策文本量化分析
    政策工具使用时间序列构建了社区教育政策三维分析框架，通过对所选的社区教育政策文本进行计量分析，对目前我国社区教育政策中存在的问题进行了探究。研究发现，政策工具的分配存在差异性，能力建设工具占据主导地位;权威工具中法律支撑不足，激励工具内容单一;政策工具分布与教育发展要素配置的变化整体上符合社区教育政策发展趋势。为推动社区教育的可持续性发展，政府未来应优化政策工具组织结构，提高政策工具与内容的适配性;完善权威工具法律支撑，补齐激励工具内容短板;加强师资队伍建

    教育与职业(上) 2021年10期2021-10-14

  • 基于LSTM的轨道交通进站客流短时预测研究
    交通流预测;时间序列;轨道交通中图分类号：U231文献标志码：A城市轨道交通的发展作为城市公共交通现代化的重要组成部分，对于提高大中型城市客流运输量和运输效率、发展绿色交通以及缓解大城市道路交通拥堵具有重要意义。截至2020年年底，全国（不含港澳台）境内共有44个主要城市建设并开通投入运营的城市轨道交通线路233条，运营里程7 545.5 km，车站4 660座，实际运行列车2 528万列次，完成客运量175.9亿人次，进站量109.1亿人次。然而，随着我

    贵州大学学报（自然科学版） 2021年5期2021-10-13

  • 新冠疫情对我国贸易的损失预测
    RMA模型;时间序列;货物进出口;跨境贸易;一、引言新冠肺炎的传播对我国对外贸易产生了一定的影响，外贸企业出口业务额大幅缩减，出口情况不容乐观。进口业务因为严格的口岸入境政策被削减，一二季度的进口额呈现下降趋势。从以上分析可以看出，疫情重创了我国进出口贸易，虽然國内生产活动已经基本恢复，但外贸部门的损失也亟待弥补。另一方面，疫情暴发使防疫用品需求激增，在全球范围内呈现出严重的产能、供给不足情况，供给缺口巨大，为了满足全球疫情的需求，中国企业开足马力生产相关

    商场现代化 2021年14期2021-09-22

  • 我国宏观经济对煤炭价格的影响研究
    向量自回归;时间序列【Keywords】macro economy; coal price; empirical research method; VAR; time series【中图分类号】F426;F764.1;F124                                             【文献标志码】A                                                 【文章编号】1673-1069

    中小企业管理与科技·下旬刊 2021年9期2021-09-16

  • 碳中和背景下气温衍生品定价研究
    络模型对气温时间序列进行预测与误差分析，借助蒙特卡洛模拟方法对气温衍生品定价。研究结果表明，ELM神经网络较ARMA模型和BP神经网络气温预测精度有显著提高，可为气温衍生品的定价奠定基础。关键词：气温衍生品;ELM神经网络;蒙特卡洛方法;时间序列一、引言21世纪以来，应对全球气候变化成为人类实现全球可持续发展面临的最严峻的挑战。2020年10月20日，生态环境部、国家发改委、中国人民银行、中国银保监会、中国证监会等五部门共同发布了《关于促进应对气候变化投融

    金融发展研究 2021年8期2021-09-15

  • 中职“双师型”教师队伍建设政策的发展与演进逻辑
    内容（Y）和时间序列（Z）三维框架，对53份中职“双师型”教师队伍建设（1994-2020年）政策文本进行计量分析。研究发现：政策工具类型使用不均衡，命令工具和能力建设工具应用过多;政策内容间存在较大差异，培养培训体系和教师管理内容过于集中;政策工具作用于政策内容的均衡性不足，存在配置差异。建议未来合理优化政策工具整体结构，实现工具的科学搭配;适度调整政策的注意力配置，促进要素的协调发展;妥善规划政策工具与政策内容的整合，加强政策体系的建设。关键词 中等职

    职业技术教育 2021年20期2021-09-15

  • 基于时序Landsat遥感影像枣树种植面积提取
    基于不同特征时间序列数据集，使用动态时间规整（dynamic time warping，DTW）方法对时间序列遥感影像进行分类。基于时间序列Landsat 8影像数据，使用NDVI、EVI、第一主成分（principal component analysis 1，PCA1）3种特征数据集结合DTW算法，对比分析不同特征量对枣树的识别精度。结果表明：基于DTW（NDVI）的时间序列特征数据集结合DTW算法能够得到较好的分类结果，基于时序DTW（EVI）特征量

    安徽农学通报 2021年16期2021-09-14

  • 我国期权与期货市场价格发现功能研究
    ;金融市场;时间序列一、剖析期权与期货市场价格发现功能研究意义期权与期货市场价格发现功能是金融市场发展来的大跃步，尤其是供给侧改革发展背景下，虽然为金融市场发展提供更多机遇，但是在很多方面也提高了发展标准。针对这种情况，金融市场必须积极对当前发展结构形态加以调整，期权与期货市场价格发现功能的形成，在很大程度上为期权与期货市场发展提高竞争优势，创造占领金融市场发展制高点的有利条件。随着上证50ETF期权的开放，作为创新型基金模式，一经推出便成为金融市场发展以

    中国集体经济 2021年25期2021-09-13

  • 丝绸之路经济带上青海省经济发展的实证研究
    ：经济发展;时间序列;共线性诊断;单位根检验;协整检验中图分类号：F207 文献标识码：ADOI：10.12245/j.issn.2096-6776.2021.12.071 引言青海处于古丝绸之路的重要节点上，丝绸之路青海段上的文化遗产见证了中国古代的辉煌文明和丝绸之路的历史，青海曾经为构建经济社会文化网络发挥了重要作用[1]。青海作为西北腹地，其对“一带一路”的建设，乃至西北地区甚至全国的发展具有重要的意义[2]。但青海省丝绸之路经济带上的经济发展结构究

    商展经济·下半月 2021年6期2021-09-10

  • 陕西省工业时间序列分析及预测
    和预测非平稳时间序列。由历史上众多数据分析报告可以看出，对陕西省工业研究而言，工业总产值是非常典型的代表性數据对陕西省工业有着重要意义。因此，本文以1988?2017年陕西省工业总产值的年度数据为例，利用ARIMA模型进行时间序列分析，预测2018?2020年的工业总产值。通过所得数据进行分析，并提出相关建议。为陕西省当地工业制相关部门或工业企业的部门实施相关政策，获得更优的经济发展决策，提供可靠的理论预测以及参考。关键词：ARIMA模型;陕西省工业总产值

    锦绣·下旬刊 2021年8期2021-07-19

  • 基于Bootstrap和Bagging时间序列模型的黑龙江老龄人口预测
    ging，;时间序列;指数平滑法;老龄人口引言全国第七次人口普查数据表明，我国60岁以上人口占人口总数的13.50%，人口老齡化程度进一步加深。面对我国人口老龄化这一不可逆转的过程，党和政府高度重视，《“十四五”规划纲要》提出，我国要实施积极应对人口老龄化战略，完善公共服务体系，促进人口长期均衡发展。近年来，有很多文章研究人口老龄化问题。黑龙江自2005年进入人口老龄化社会，虽晚于全国时间，但老龄化速度非常快。在此背景下，明确黑龙江人口老龄化趋势，对政策和

    理论与创新 2021年6期2021-07-19

  • 养老保险基金支出对居民消费影响的实证研究
    面板数据构建时间序列模型，通过将变量滞后的方法消除序列相关性的影响，从而深入研究养老保险基金支出对居民消费的影响。研究结果表明，人口老龄化加剧和物价上涨会抑制居民消费欲望，而养老保险基金支出的增加会减少预防性储蓄，从而对居民消费有着正向促进作用。关键词：养老保险基金;居民消费;时间序列;滞后变量中图分类号：F842        文献标志码：A      文章编号：1673-291X（2021）16-0079-05引言社会保险制度是社会的“安全阀”和“稳定

    经济研究导刊 2021年16期2021-07-14

  • 时序数据挖掘的预处理研究综述
    。关键词： 时间序列;预处理;数据清洗;特征提取;模式表示文章编号： 2095-2163（2021）01-0074-05 中图分类号：TP391.41 文献标志码：A【Abstract】Due to the massive and high-dimensional characteristics of time series data， preprocessing the original data is an important step for tim

    智能计算机与应用 2021年1期2021-07-11

  • 基于时间序列的体育产业数据精准挖掘模型构建
    本文提出基于时间序列的体育产业数据精准挖掘模型构建方法。采用全局稳态特征融合方法实现对体育产业数据分布式时间序列模型构建，采用统计量化融合分析方法实现体育产业数据特征量化空间转换，通过模糊解析控制方法，挖掘体育产业数据的关联分布熵。采用输出增益稳态分析方法，构建体育产业数据挖掘的线性解析参数分析模型，采用二乘规划和线性融合方法，实现对体育产业数据挖掘的内源融合和参数控制，结合模糊聚类实现对体育产业数据的统计特征线性聚类处理。结合稀疏性的特征匹配调度模型，构

    赤峰学院学报·自然科学版 2021年4期2021-06-24

  • 基于时间序列的郑州市人均生产总值的预测
    .【关键词】时间序列;人均GDP;ARIMA【Keywords】time series; GDP per capita; ARIMA【中图分类号】F222.33;F224                                             【文献标志码】A                                                 【文章編号】1673-1069（2021）04-0130-021 研究背景及意义本文利

    中小企业管理与科技·上旬刊 2021年4期2021-06-07

  • 基于时序数据库服务监控系统的设计与实现
    通过合理利用时间序列数据库高效且灵活索引，利用其较好的查询展现能力，并按照需求延伸数据表的结构，以时序型数据库与分布式通信系统核心网结合进行深入设计为例，分析和解决了大型系统软件中服务监控系统的需求难题。关键词：时间序列；数据库；服务监控；InfluxDB；通信系统中图分类号：TP311文献标志码：A文章编号：1008-1739（2021）06-60-40引言在大型系统软件设计中服务监控系统有海量数据的快速写入和读取需求，要能够适应多个完全不同的项目同时对

    计算机与网络 2021年6期2021-06-01

  • 养老服务床位需求预测与运营模式模型分析
    ]微分方程;时间序列;差分预测1 模型的准备预测老年人口数量及城乡养老床位需求量比值，老年人口数量预测：由于老年人口增量具有连续性，又考虑到一些偶然因素对人口数量造成随机扰动，为了消除随机波动的影响，收集2007—2016年城乡老年人口数量，利用时间序列预测未来城乡老年人口数量变化。详见图1。从图1可以看出，该时间序列的变动近似为直线趋势，用一次指数平滑法预测会存在滞后误差，为了进行修正，利用二次平滑法建立老年人口变动趋势模型。其计算公式为：按照预测老年人

    中国市场 2021年11期2021-05-06

  • 人口结构对经济增长的影响
    2019年的时间序列数据分析人口结构对经济增长的影响。为保持我国经济长期稳定持续发展，需要及早调整生育政策、完善养老服务体系及医疗保险制度，发展多元产业缓解因老龄化而抑制的经济增长问题。关键词：人口结构;经济增长;人口老龄化;时间序列;实证检验中图分类号：F12        文献标志码：A      文章编号：1673-291X（2021）36-0001-04引言从2010年开始，我国经济迅速发展，人口老龄化问题逐渐突出，因此非农业工厂类产业招工难成为了

    经济研究导刊 2021年36期2021-04-01

  • 基于灰色理论和时间序列模型预测棉花产量可行性研究
    于灰色理论和时间序列的组合预测模型对新疆棉花产量进行了预测。实证分析结果表明：组合模型的预测结果更加逼近于真实数据，预测精确度较单一预测模型的结果准确性更高、误差更小。因此， GM模型与ARIMA模型组合预测新疆棉花产量是可行的。关键词：灰色理论;时间序列;组合模型;棉花产量;预测中图分类号：S562文献标识码：A文章编号：2095-3143（2021）01-0015-07DOI：10.3969/j.issn.2095-3143.2021.01.003Ab

    棉花科学 2021年1期2021-03-24

  • 电力时间序列的分布式索引算法
    乃网摘 要：时间序列的研究已经被应用到越来越多的领域中。越来越多的领域应用需要索引和分析海量的时间序列，代表性的比如金融，电力，生物信息等等。这类应用往往面临数以亿计的时间序列的处理，然后从中识别出一些隐藏的模式来。然而目前对时间序列的索引技术都是单机版本，需要用漫长的时间来对大量的时间序列进行索引，限制了时间序列分析的产出率。提出了一种基于Isax表达的分布式时间序列索引算法，并在Spark分布式计算框架下实现算法。首先，给出了基于Isax的分布式索引算

    哈尔滨理工大学学报 2021年6期2021-03-14

  • 基于ARIMA的河北省花生产量预测分析
    碍。文章利用时间序列分析中的 ARIMA（p，d，q）模型，对河北省 2000 ～2017 年花生产量数据进行了随机性分析，并结合 EVIEWS7.02时间序列分析软件，经过模型识别、比较、建立以及检验等过程，最终后确定了 ARIMA（2，1，3）模型，并运用此模型拟合了河北省 2000～2017 年的花生产量，同时对河北省 2018～2020 年3年的花生产量进行了分析与预测。关键词：时间序列;ARIMA模型;河北省;花生产量自二十世纪七十年代以来，世界

    中国集体经济 2021年3期2021-02-04

  • 基于小波分析的廊坊市2015-2018年PM25质量浓度研究
    均质量浓度的时间序列为例，研究廊坊市大气PM25质量浓度在时间序列上的周期特性。结果表明，廊坊市空气PM2优良等级天数保持连续增长，2015-2018年PM25年均质量浓度呈现逐年下降的良好趋势。坊市PM2日均质量浓度具有显著的周期性，以短期震荡为主。主要周期为19d左右、35d左右以及60d左右，第一周期為19d。可为后续廊坊市大气污染物PM2s浓度变化周期性研究提供借鉴。关键词 小波变换;PM25;时间序列;周期性;廊坊市中图分类号：X513文献标识码

    农业灾害研究 2021年2期2021-01-18

  • 海量水文地质时间序列数据相关性算法设计
    针对水文地质时间序列数据分析，本文提出以相关性算法为核心思想的算法设计，简单介绍并且研究了时间序列的定义、公式和降维方法以及相似性算法的概念、公式、特点和用法。并通过对海量水文地质数据的相关性分析，对矿井突水进行预测。关键词：时间序列;相似性算法;水文地质数据1相关知识背景简介1.1时间序列定义时间序列其实就是以时间顺序为依据进行相关排列，且是有顺序的值， 表示时间序列，子时间序列就是连续的一个片段，它用 来代表，子时间序列的长度用 来表示。时间序列数据的

    装备维修技术 2020年13期2020-12-23

  • LSTM神经网络在股票价格预测中的应用
    ，以股票历史时间序列数据为研究对象，构造不同天数长度的时间序列，作为网络的输入;然后训练过程中，加入Early-stopping技术，防止学习的过拟合;最后，用状态参数传递的方式利用变长Batch在测试集上对未来股票收盘价进行预测。通过与传统机器学习回归模型性能的比较，验证了基于变长Batch的LSTM预测模型及参数优选策略在股票价格分析中具有较好的泛化能力和较低的预测误差。关键词：长短时记忆模型;循环神经网络;深度学习;时间序列;过拟合中图分类号：TP3

    电脑知识与技术 2020年28期2020-12-14

  • 基于概率统计的电力负荷时间序列预测模型
    计的电力负荷时间序列预测模型，采用基于概率主分量分析模型的电力运行数据预处理方法，去除冗余數据。对预处理后的电力运行数据，通过基于多变量时间序列的电力负荷预测模型，实现电力负荷预测。经实验验证，所构建模型对电力负荷的预测结果可信度高，且对短期、长期的电力负荷的预测精度均显著，针对不同时间序列类型的电力负荷预测任务而言，均可实现高精度、全方位的电力负荷预测，可作为电力负荷预测任务中的参考模型。关键词： 电力负荷预测; 概率统计; 时间序列; 预测模型构建;

    现代电子技术 2020年21期2020-12-07

  • 变压器在线监测数据异常值检测与清洗
    线监测的多元时间序列数据进行关联度挖掘，提取出关联性强的序列为后续多元序列异常数据检测提供依据;其次建立基于k-means聚类的方法建立数据的异常检测模型;最后研究了时间序列预测方法，完成趋势预测并填充缺失值和噪声值，保持数据完整性。通过某变电站的在线监测数据对此算法进行验证，结果表明该方法可及时完成异常检测及清洗，清洗后准确率93.9%，完备率可达98.6%，有较高使用价值。关键词：变压器;在线监测数据;K-means聚类;异常值检测;时间序列DOI：1

    哈尔滨理工大学学报 2020年5期2020-11-30

  • 基于灰色关联分析的煤炭价格预测研究
    色关联分析，时间序列，多元回归等方法，建立了影响煤炭价格因素的模型，并分析了各个影响因素对煤炭价格的影响程度。首先从数据出发，收集影响煤炭价格因素的数据，通过建立灰色关联分析模型对比分析数据得到影响煤炭价格的主要因素，再从影响因素出发，以秦皇岛港的动力煤价格为例，确定影响煤炭价格的主要因素的关联程度大小，并排序。其次将数据和影响因素预测时期内的煤炭价格，使用matlab绘制出相应的时间- 价格曲线图，采用时间序列分析的方法建立模型对未来煤炭价格进行预测，得

    科学与财富 2020年26期2020-11-16

  • 时间序列相关性分析研究
    摘  要：时间序列相关性分析是时间序列数据挖掘的重要手段，序列间相互影响与关联，其隐藏的相关信息可以用于识别、解释异常问题。目前大多数方法对隐藏的相关信息分析能力不足，各有缺陷，文章提出了一种多算法融合的方法，通过多种相关系数组合分析序列间的线性或非线性关系，同时对序列异常检测后的结果进行波动分析。真实数据表明，该方法能够精确发现序列间的相关性，实现根因定位。关键词：时间序列;异常检测;相关性分析;相关系数;DTW中图分类号：O211.61;O151.21

    现代信息科技 2020年13期2020-11-06

热门标签

关于参考网