搜索资源列表
wavePredict
- 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时间序列的辩能力由研究和仿真表明它能有效提高预测的精度-with new mathematical tools wavelet analysis based on NN into practical load forecasting model to improve the performance
Volterra
- 基于Cholesky分解的混沌时间序列Volterra预测-based on the Cholesky decomposition Volterra chaotic time series prediction
基于振荡采样的真随机数发生器IP设计
- 为了得到真正硬件产生的随机数序列,采用振荡电路作为物理源,设计了混洗电路和扰频 电路来改善输出序列的均衡性和数据冗余,它具有真随机数发生器的不可预测性高、随机性好的 优点.
PrefixSpan-algorithm
- 序列模式挖掘是数据挖掘的一个重要分支，在序列事务及；有关信息处理中有着广泛的应用，如顾客购物习惯、web访问模式、科学实验过程分析、自然灾害预测、疾病治疗、药物检验以及{ sizej pos； DNA等。序列模式挖掘算法有AprioriAll、GsP、F’reeSpan、本文将设计与实现针对string数据类型的算法，来对序列模式挖掘有更深入的剖析。-Sequence pattern mining is an important branch of data mining, and in t
genexp
- 比对算法的具体应用DNA序列分析 ——基因序列 ——基因表达调控信息 寻找基因牵涉到两个方面的工作 ： 识别与基因相关的特殊序列信号 预测基因的编码区域 结合两个方面的结果确定基因的位置和结构 基因表达调控信息隐藏在基因的上游区域，在组成上具有一定的特征，可以通过序列分析识别这-Algorithms specific DNA sequence analysis applications- gene sequences- gene expression and regulation of info
short-termloadforecastingwithchaostimeseries
- 文章展示了一种新的方法用于功率系统中短期负载预测。提出的方案使用混沌时间序列分析基于确定性混沌去捕捉复杂的负载行为特征。确定性的混沌允许我们重构一个时间序列并决定输入的变量个数。这篇文章描述了混沌时间序列对日间功率系统峰值的分析。确定性混沌的非线性图形通过多层感知器的神经网络得到。提出的方案在一个例子中具体阐述。-This paper presents a new approach to short-term load forecasting in power systems. The
111
- 如果一个股票市场是属于Fama有效市场假设EMH [40] (Efficient Market Hypo thesis) 所说的弱式有效状态,那么任何根据股票价格序列数据去试图预测的努力都是多余的。因 为,今天的价格已经反映了昨天的价格。价格的变化,亦即收益只反映了未曾预期到的信 息,而信息是完全随机的,因此,收益序列也是完全随机的,不可预测。问题在于关于中国 股票市场收益序列的研究分析表明,收益序列绝非是完全互相独立的。它不但存在短期相 关性,而且还存在中长期相关性
predict
- 时间序列模型，进行预测，是目前较流行且准确的一个方法，里面包含了2个相关方面的ppt，可供参考学习。-Time series model, forecasting, is a popular and accurate a method, there were two related PPT, available for reference to study.
8
- 基于模型的时间序列数据挖掘---聚类和预测相关问题研究 ---- Clustering and forecasting issues related to model-based time-series data mining
svm-load-forecast
- 本文介绍了支持向量机进行电力负荷时间序列的预测-This article describes a support vector machine to power load time series prediction
Gray-prediction-with-MATLAB
- 在matlab中实现灰度预测,对时间序列类型，单一或多变量的数据较为实用-To achieve gray prediction in matlab
fractal-predict-pdf
- 该文章从混沌和分形的关系出发，基于奇异吸引子的分形结构和时间序列的自仿射特性，提出了一种混沌时间序列的预测方法。采用迭代函数系统跟踪混沌的局部运动轨迹，由此确定统计意义上放射性能最优的时间序列段，并分局吸引子定力和拼贴定理建立预测模型。-This article from the chaos and fractal relationship starting, based on the characteristics of self-affine fractal structure and ti
Time-Series-and-white-noise
- 时间序列应用实例:时间序列分解，一次直线回归于预测检验-Application examples of the time series: time series decomposition, a linear regression prediction test
Wind-power-prediction-problem
- 利用新陈代谢灰色预测、样本自适应BP 神经网络和时间序列分析分别进行风电功率实时预测和日前预测，并采用熵值取权法确定组合权重，引入自控机制，构建反馈，提出组合预测法和基于时间序列的卡尔曼滤波法。研究结果表明，组合预测模型能减少各预测点较大误差的出现，而卡尔曼滤波能大幅消减原始序列的波动影响。-Use of metabolic gray forecast, sample adaptive BP neural network and time sequence analysis respective
MATLAB
- MATLAB在时间序列建模预测及程序代码-MATLAB time series modeling and forecasting and program code
beiyesi
- 在经济领域中，运用时间序列模型来进行客观经济过程的描述和预测是一个非常重要的方法。然而在实际应用中，由于经济领域的特殊性，传统的频率统计方法进行经济时间序列模型分析往往会碰到很多困难。-In economic field，the time series models are important methods in describing and forecasting the objective economic process．However，when put them into appl
THE-TIME-SERIES
- 该文介绍了时间序列经典方法，ARMA,ARIMA,AR模型用于解决各种平稳预测问题，并且附上了相应的程序，方便读者运用-This paper introduces the classical time series methods, ARMA, ARIMA, AR model is used to solve a variety of stationary prediction problem, and attach the appropriate procedures to facilitat
An-oceanic-reverberation-model
- 一种经典的海洋混响模型建模方法，详细介绍了混响运动谱混响谱及时间序列线性预测方法。- simple model of the surface, volume, and bottom re- verberation received by a moving platform as a function of time following the tranmission of a narrow-band pulsed signal is
prediction-method
- 用时间序列分析中的自适应滤波预测法,建立某市用电量的预测模型 -Using time series analysis of adaptive filtering prediction method, a city electricity consumption forecasting model
Stationary-coordinate
- 静止坐标系下基于最优时间序列的电压型PWM整流器电流预测控制-Stationary coordinate system control voltage type PWM rectifier current optimal time series forecasting based on