搜索资源列表
离散灰色预测模型
- 组合预测模型，采用离散灰色模型和ARMA预测模型 线性组合
ARMA
- 通过使用ARMA算法对一系列数据进行预测，并分析预测规律-ARMA algorithm by using a series of data to predict and analyze the prediction rule
ARMA
- ARMA 过程编程实现，不是很难，可以实现一步预测。-ARMA process of programming is not difficult, step in the forecast can be achieved.
ARMA_Analysis
- ARMA模型的构建、预测、示例数据及详细讲解-ARMA modeling forecasting data
WSForecast1.1
- ARMA预测算法，是C++的代码，很不错-ARMA prediction algorithm is the C++ code, very good
arma
- 改良arma算法测试用例 一、预测模型ARMA： 1、输入： 输入为一组历史数据，如__pre.bin 1 2 3 4 5 6 7 8 9 10（__pre.bin为可执行程序，1 2 3 4 5 6 7 8 9 10是历史数据），该向量组至少包含一个数据。 2、输出： 该方法只对一组已知数据进行一步预测，返回值只有一个；利用该方法，1 2 3 4 5 6 7 8 9 10的下一个值为10.9989。 3、测试报告： 测试报告详见《改良预测算法测试报告.xls》。
ARMA2_SHIYAN
- ARMA 时间序列建模、预测、检验和说明-ARMA MODELS IN EVIEWS AND DOCUMENTS
AR
- ARMA预测程序源代码，经二阶差分后对油价进行预测的实例。-a program to predict the price of oil， using ARMA module
arma
- ARMA模型并画图 实现误差分析并验证实验结果-ARMA model
ARMA时间序列预测工具箱
- 可以和matlab联合应用的时间arma预测工具箱，可对时间序列进行预测，以及对经典时间序列谱估计算法进行仿真。包括图形界面和说明文档。
arma
- 时间序列预测,是ARMA预测，能够实现短期预测。-Time Series Prediction
ARMA
- ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。(ARMA model is an important method for studying time series. It is composed
ARMA
- ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等(ARMA model is an important method to study time series. It consists of auto
ARIMAtest
- 对于时间序列模型建立ARMA预测模型，可对未来值进行预报。(For the time series model, the ARMA prediction model is established, and the future value can be forecasted.)
ARMA-Java--master
- ARIMA模型是通过将预测对象随时间推移而形成的数据序列当成一个随机序列，进而用一定的数学模型来近似表述该序列。根据原序列是否平稳以及回归中所包含部分的不同分为AR、MA、ARMA以及ARIMA过程。 在模型的使用过程中需要根据时间序列的自相关函数、偏自相关函数等对序列的平稳性进行判别；而对于非平稳序列一般都需要通过差分处理将其转换成平稳序列（ARIMA）；对得到的平稳序列进行建模以确定最佳模型（AR、MA、ARMA或者ARIMA）。在使用中最重要也是最关键的就是对序列进行参数估计，以检验其
ARMA相关模型及其应用
- 时间序列分析是数理统计中的一个重要分支，用随机过程理论和数理统 计方法研究随机数据序列的规律。时间序列分析提供了一套具有科学依据的 动态数据处理方法，该方法的主要手段是对各种类型的数据采用相应的数学 模型去近似描述。通过对模型的分析研究，便可更本质地了解数据的内在结 构和复杂特性，从而达到预测其发展趋势并进行必要的控制的目的。(Time series analysis is an important offset of statistics, which studys
基于时间序列的ARMA预测模型matlab实例编程
- 基于时间序列的ARMA预测模型matlab实例编程(Matlab example programming of ARMA prediction model based on time series)
ARMA
- 采用MATLAB实现arma时间序列的建模与预报(Modeling and forecasting of ARMA implementation time series)
ARMA
- 利用ARMA时间序列模型 预测短期内风速(Forecasting wind speed with ARMA)
arma
- 用于风功率预测的ARMA代码，可在matlab上运行，包含风电数据。(ARMA code for wind power prediction can be run on matlab, including wind power data)