期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
一类线性平稳序列的谱识别 被引量:1
1
作者 刘学圃 《衡阳师范学院学报》 1992年第6期1-8,共8页
本文研究四阶矩存在的鞅差序列所构成的平稳序列的谱函数的识别问题,在文《线性平稳序列积分周期的渐近误差的谱表示》(刘学圃衡阳师专学报1991年第6期)的基础上,进一步证明了其谱估计的误差过程在空间C(o,π)上弱收敛于一个高斯过程η(... 本文研究四阶矩存在的鞅差序列所构成的平稳序列的谱函数的识别问题,在文《线性平稳序列积分周期的渐近误差的谱表示》(刘学圃衡阳师专学报1991年第6期)的基础上,进一步证明了其谱估计的误差过程在空间C(o,π)上弱收敛于一个高斯过程η(λ): 展开更多
关键词 鞅差序列 线性平稳序列 谱函数积分周期图 置信带
下载PDF
线性平稳序列积分周期图渐近误差的谱表示 被引量:2
2
作者 刘学圃 《衡阳师专学报》 1991年第6期6-13,共8页
本文研究得出四阶矩存在的鞅差序列的线性和构成的平稳序列的积分周期图作为谱函数的估计量时的渐近误差的谱表示式:NE(λ)=2πf^2(l)dl+(μ_4-3σ~4)/(σ~4)F(λ)F(μ)0<λ<π。
关键词 线性平稳序列 积分周期图 谱函数
下载PDF
一种非线性非平稳时间序列预测建模方法 被引量:9
3
作者 林树宽 杨玫 +1 位作者 乔建忠 王国仁 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2007年第3期325-328,共4页
提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向... 提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的. 展开更多
关键词 经验模式分解 支持向量回归 线性平稳时间序列 本征模式分量 预测建模
下载PDF
多维平稳序列相关阵估计量的渐近分布
4
作者 刘学圃 《高校应用数学学报(A辑)》 CSCD 北大核心 1989年第2期235-246,共12页
若X_t是线性平稳序列、可表示为X_t=sum from j=-∞ to +∞(b_(t-j)ζ_j的形式、其中{ζ_j}j=0,±1,……是独立同分布的随机序列:Eζ_j=0,Eζ_j^2=σ~2>0。对于这种平稳随机序列,T.W.Anderson讨论了其相关系数估计量的渐近分布... 若X_t是线性平稳序列、可表示为X_t=sum from j=-∞ to +∞(b_(t-j)ζ_j的形式、其中{ζ_j}j=0,±1,……是独立同分布的随机序列:Eζ_j=0,Eζ_j^2=σ~2>0。对于这种平稳随机序列,T.W.Anderson讨论了其相关系数估计量的渐近分布问题。本文将要讨论{ζ_j}是M维实四阶鞅差序列时,多维线性平稳序列(1)的相关系数组成的协方差阵的估计量的渐近分布问题。为此目的,我们研究了鞅差序列二次型的渐近分布,改进了作者在[2]中所得到的结果。並求出了此种协方差阵估计的渐近分布。 展开更多
关键词 线性平稳序列 估计量 渐近分布
下载PDF
基于傅立叶级数和模糊马尔可夫链的小样本时间序列建模方法 被引量:3
5
作者 訾书宇 林名驰 谢力 《统计与决策》 CSSCI 北大核心 2015年第6期24-27,共4页
为克服传统时间序列预测方法在处理小样本数据方面的不足,文章引入傅立叶级数和模糊马尔可夫链方法,并结合灰色GM(1,1)模型对小样本时间序列数据进行动态建模。实例结果表明,预测方法与传统的时间序列预测方法相比,具有较高的预测精度,... 为克服传统时间序列预测方法在处理小样本数据方面的不足,文章引入傅立叶级数和模糊马尔可夫链方法,并结合灰色GM(1,1)模型对小样本时间序列数据进行动态建模。实例结果表明,预测方法与传统的时间序列预测方法相比,具有较高的预测精度,说明该方法对于小样本时间序列的预测是有效的。 展开更多
关键词 线性平稳时间序列 小样本 灰色预测 傅立叶级数 模糊马尔可夫链
下载PDF
带有时间序列的变系数EV模型的变量选择
6
作者 苏艳云 李开灿 《湖北师范学院学报(自然科学版)》 2013年第4期47-51,共5页
在模型误差是时间序列时,利用B样条逼近和SCAD惩罚函数对变系数EV模型进行变量选择。选择合适的调整参数,偏差修正的变量选择能够同时选择有效的变量和估计非零的光滑系数函数。最后证明了变量选择的相合性,同时它也满足变量选择的Oracl... 在模型误差是时间序列时,利用B样条逼近和SCAD惩罚函数对变系数EV模型进行变量选择。选择合适的调整参数,偏差修正的变量选择能够同时选择有效的变量和估计非零的光滑系数函数。最后证明了变量选择的相合性,同时它也满足变量选择的Oracle性质——稀疏性。 展开更多
关键词 变系数EV模型 SCAD B样条基 线性平稳时间序列
下载PDF
基于EMD技术的非平稳非线性时间序列预测 被引量:7
7
作者 王德青 王斐斐 朱万闯 《系统工程》 CSSCI CSCD 北大核心 2014年第5期138-143,共6页
提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)技术的时间序列组合预测模型。首先对非平稳非线性时间序列进行EMD技术分解,然后将分解得到的子序列进行聚类,并运用传统的时间序列预测方法对各子序列分别进行预测,最后... 提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)技术的时间序列组合预测模型。首先对非平稳非线性时间序列进行EMD技术分解,然后将分解得到的子序列进行聚类,并运用传统的时间序列预测方法对各子序列分别进行预测,最后汇总子序列的预测值得到目标时间序列的预测值。统计模拟和实证分析显示:组合预测模型能够显著提高预测的精度,说明新方法对于非平稳非线性时间序列的预测是有效的。 展开更多
关键词 经验模态分解 平稳线性时间序列 人工智能法 移动平均法
原文传递
平稳线性序列部分和分布的随机加权逼近
8
作者 范金城 王宁 梅长林 《应用数学学报》 CSCD 北大核心 1994年第1期65-75,共11页
平稳线性序列部分和分布的随机加权逼近范金城,王宁,梅长林(西安交通大学应用数学系,西安710049)THERANDOMWEIGHTINGAPPROXIMATIONFORTHEDISTRIBUTIONOFTHEPART... 平稳线性序列部分和分布的随机加权逼近范金城,王宁,梅长林(西安交通大学应用数学系,西安710049)THERANDOMWEIGHTINGAPPROXIMATIONFORTHEDISTRIBUTIONOFTHEPARTIALSUMOFASTATIONA... 展开更多
关键词 平稳线性序列 部分和分布 逼近
原文传递
CEEMDAN-HURST算法在新冠疫情预测中的应用 被引量:2
9
作者 王启云 郑中团 《计算机工程与应用》 CSCD 北大核心 2023年第7期261-268,共8页
针对COVID-19新增病例是一个非线性非平稳的时间序列,提出基于CEEMDAN-HURST算法的COVID-19组合预测模型。利用自适应噪声完全集合经验模态分解算法将新增病例时间序列分解为频率不同的子序列;利用HURST指数分析各个子序列的随机性并将... 针对COVID-19新增病例是一个非线性非平稳的时间序列,提出基于CEEMDAN-HURST算法的COVID-19组合预测模型。利用自适应噪声完全集合经验模态分解算法将新增病例时间序列分解为频率不同的子序列;利用HURST指数分析各个子序列的随机性并将子序列整合为高频、中频和低频三种子序列,通过最小二乘支持向量机对这三种子序列分别进行预测;叠加各重构子序列的预测结果,得到COVID-19新增病例的最终预测值。结果表明,基于CEEMDAN-HURST算法的COVID-19新增病例组合预测模型提高了非线性时间序列预测过程中的效率以及预测精度。与CEEMDAN-PE组合模型相比,平均绝对误差、均方根误差分别降低了11.13%和29.67%,表明CEEMDAN-HURST算法可有效解决非线性时间序列预测模型普遍存在的预测效率低和预测精度低的问题;赫斯特(HURST)指数度量了时间序列的偏移程度,引入HURST指数进行合并重构整合,可减少时间序列预测所需要的子序列数目。 展开更多
关键词 线性平稳时间序列 自适应噪声的完整集合经验模态分解(CEEMDAN) HURST指数 组合预测 COVID-19
下载PDF
基于EMD方法的观测数据信息提取与预测研究 被引量:37
10
作者 万仕全 封国林 +3 位作者 周国华 王冰梅 秦铭荣 许遐桢 《气象学报》 CAS CSCD 北大核心 2005年第4期516-525,共10页
用统计方法作月、季尺度的短期气候乃至年际尺度的长期气候预测是当前气候预测业务的主要依据,在短时间内这种情况仍然不可能彻底改变。虽然数值预报模式的预测能力达到了7 d的时效,不过要积分到月、季尺度并实现短期气候预测还面临着... 用统计方法作月、季尺度的短期气候乃至年际尺度的长期气候预测是当前气候预测业务的主要依据,在短时间内这种情况仍然不可能彻底改变。虽然数值预报模式的预测能力达到了7 d的时效,不过要积分到月、季尺度并实现短期气候预测还面临着重重困难。其根本原因是气候系统的混沌分量和非线性/非平稳性等因素在起作用。而现有气候预测的统计方法(主要包括经验统计、数理统计和物理统计等方法)的数学基础却忽略了这些特点,这是因为以现有的科学水平人们不得不假设时间序列是线性和平稳的。实际气候观测序列普遍具有层次性、非线性和非平稳性,这给建立预测方法带来了极大困难。文中构建了一个新的预测模型,即首先利用经验模态分解(em-pirical mode decomposition,EMD)方法将气候序列作平稳化处理,得到一系列平稳分量-本征模函数(intrinsic modefunction,IMF);其次,利用均生函数(mean generate function,MGF)模型获得各分量的初次预测值;最后,在最优子集回归(optimal subset regression,OSR)模型的基础上,通过直接或逐步拟合一部分预测值,构建两种预测方案达到提高预测能力的目的。典型气候序列的预测试验结果表明,具有平稳化的IMF分量,尤其是特征IMF分量有较高的可预测性,它对原序列趋势的预测有重要指示意义。大力开展气候系统机理和气候层次的研究,并建立相应的气候模式是未来发展趋势。该文是这方面的一个初步尝试,相信该模型能为气候预测(评估)开辟一条新的有效途径。 展开更多
关键词 经验模态分解 线性/非平稳时间序列 层次理论 气候预测 预测研究 EMD方法 信息提取 观测数据 短期气候预测 平稳
下载PDF
Minimax Estimation Problem for Periodically Correlated Stochastic Processes
11
作者 Iryna Dubovetska Mykhailo Moklyachuk 《Journal of Mathematics and System Science》 2013年第1期26-30,共5页
The problem of optimal linear estimation of the functional Aξ =10^∞a(t)ζ((t)dt depending on the unknown values of periodically correlated stochastic process ζ(t) from observations of this process for t 〈 0... The problem of optimal linear estimation of the functional Aξ =10^∞a(t)ζ((t)dt depending on the unknown values of periodically correlated stochastic process ζ(t) from observations of this process for t 〈 0 is considered. Formulas that determine the greatest value of mean square error and the minimax estimation for the functional are proposed for the given class of admissible processes. It is shown that one-sided moving average stationary sequence gives the greatest value of the mean square error. 展开更多
关键词 Periodically correlated process minimax estimate mean SOlUte error least favorable process.
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部