基于小波分析的时间序列数据挖掘模型

论文提出一个基于小波分析的时间序列挖掘模型TSMiner,它支持时间序列数据挖掘的整个过程。该模型由5部分组成:原始数据的可视化、数据预处理、数据约简,模式发现和结果模式可视化。该模型应用小波实现数据的多层次可视化表示、数据约简和多尺度模式发现。它可以帮助用户观察高维数据,理解中间结果和解释发现的模式。

非线性模型在汽轮发电机组振动故障预测中的应用

针对故障状态下汽轮发电机组振幅的变化呈非线性的特性,文中建立了灰色系统理论与时间序列组合预测模型、基于分形拼贴定理及分形插值的预测模型以及基于最小二乘支持向量机的预测模型,并以某电厂200MW机组的日平均振动峰-峰值作为实测数据,对所建立的3种非线性预测模型分别进行拟合,进而对其预测性能进行分析及比较,得出了适合于汽轮发电机组的故障预测模型.

超高层建筑风致响应中的数据挖掘

超高层建筑的风致响应问题已经越来越受到人们的重视。应用数据挖掘技术对广州中信广场大厦的实测数据进行了分析,并对该原型实测风致响应中的时间序列数据进行了相似性挖掘,发现了一些特征和规律,对该问题的进一步研究具有一定的参考价值。

基于ARIMA模型的国内旅游人数预测研究

以我国1985—2005年各年的国内旅游人数为例,运用计量经济学软件Eviews建立时间序列模型ARIMA(p,d,q),并对未来五年内国内旅游人数做出预测,结果表明预测结果满足精度要求,具有较强的实用性。

三大需求与经济增长——基于对黔川桂三省的比较研究

采用1990-2009年黔川桂三省各自三大需求与地区生产总值的时间序列数据，运用统计比较与计量比较相结合的研究方法，对三省三大需求与经济增长的关系进行了比较研究。研究结果显示：消费对三省经济增长的推动作用不断降低，但对贵州经济的影响仍较显著；投资已成为三省经济增长的最主要动力。另外，出口对三省经济增长的推动作用不明显。

基于时间序列法的国税月度收入预测模型研究

研究了基于时间序列方法的国税月度收入预测.通过采用Box-Jenkins的ARIMA模型,结合国税月度收入数据,分析并提出了一套针对月度税收收入的预测研究框架,包括对税收预测模型的拟合、检验、预测、评价、动态修正等主要环节的处理方法.在该研究框架的指导下,以增值税、海关代征税和营业税为例,对2006年各月的税收收入进行了模拟预测,月度税收收入预测的平均相对误差分别控制在5.47%,8.63%和2.37%.最后给出了在实际应用中动态修正税收预测模型的建议,并简要讨论了时间序列方法在税收预测中面临的问题.

中国国防费时间序列预测模型构建

文章综合运用B-J时间序列建模方法,对中国国防费时间序列平稳性进行了判别;采用单位根方法检验了时间序列的单整阶数;利用自相关函数和偏自相关函数判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q));构建了中国国防费时间序列模型,并进行了分析和预测。

一个组合预测模型及应用

根据时间序列分析法和 Markov链分析法 ,建立同周序列 -Markov链组合预测模型 ,采用深圳成份指数进行实证分析 ,得到了 2 0 0