混沌时间序列分析的不错入门教程，书中对于推理和算法实现都进行了详述。
上传时间： 2020-03-07
上传用户：晨阳沐土
该文档为神经网络与时间序列模型在股票预测中的比较简介资料，讲解的还不错，感兴趣的可以下载看看…………………………
上传时间： 2021-11-03
上传用户：
该文档为时间序列模型和神经网络模型在股票预测中的分析资料，讲解的还不错，感兴趣的可以下载看看…………………………
上传时间： 2021-11-06
上传用户：
这是一本写用时间序列处理动态数据的书，
上传时间： 2022-06-08
上传用户：
问题描述 序列Z=<B，C，D，B>是序列X=<A，B，C，B，D，A，B>的子序列，相应的递增下标序列为<2，3，5，7>。 一般地，给定一个序列X=<x1,x2,…,xm>，则另一个序列Z=<z1,z2,…,zk>是X的子序列，是指存在一个严格递增的下标序列〈i1,i2,…,ik〉使得对于所有j=1,2,…,k使Z中第j个元素zj与X中第ij个元素相同。 给定2个序列X和Y，当另一序列Z既是X的子序列又是Y的子序列时，称Z是序列X和Y的公共子序列。 你的任务是：给定2个序列X、Y，求X和Y的最长公共子序列Z。
上传时间： 2014-01-25
上传用户：netwolf
摘要:重构相空间是非线性分析的基础 ,利用联积分导出的 C2C方法是估计相空间重构参数延迟时间和延迟时间窗的有效方。由于混沌系统的初值敏感性和实际序列长度有限并带噪 ,使得 C2C方法估计出的和具有波动性。为了降低估值偏差 ,借鉴谱估计中平均法的思想 ,提出一种不同于已有文献利用整段序列估算和,而采用对序列分段估值后取平均的方法 ,并重点讨论了带噪序列的和 估值及序列长度对估值的影响。数值仿真证明这种平均处理方法对和的估值具有较好的有效性和可靠性。关键词:非线性时间序列 关联积分 重构参数 平均
上传时间： 2017-07-05
上传用户：2467478207
数学建模32种常规方法1..第一章 线性规划.pdf10.第十章 数据的统计描述和分析.pdf11.第十一章 方差分析.pdf12.第十二章 回归分析.pdf13.第十三章 微分方程建模.pdf14.第十四章 稳定状态模型.pdf15.第十五章 常微分方程的解法.pdf16.第十六章 差分方程模型.pdf17.第十七章 马氏链模型.pdf18.第十八章 变分法模型.pdf19.第十九章 神经网络模型.pdf2.第二章 整数规划.pdf20.第二十章 偏微分方程的数值解.pdf21.第二十一章 目标规划.pdf22.第二十二章 模糊数学模型.pdf23.第二十三章 现代优化算法.pdf24.第二十四章 时间序列模型.pdf25.第二十五章 存贮论.pdf26.第二十六章 经济与金融中的优化问题.pdf27.第二十七章 生产与服务运作管理中的优化问题.pdf28.第二十八章 灰色系统理论及其应用.pdf29.第二十九章 多元分析.pdf3.第三章 非线性规划.pdf30.第三十章 偏最小二乘回归.pdf31、支持向量机(数学建模).pdf32、作业计划(数学建模).pdf4.第四章 动态规划.pdf5.第五章 图与网络.pdf6.第六章 排队论.pdf7.第七章 对策论.pdf8.第八章 层次分析法.pdf9.第九章 插值与拟合.pdf前言.pdf灰色预测公式的理论缺陷及改进.pdf
标签： 数学建模
上传时间： 2021-10-20
上传用户：kingwide
课程用到的软件汇集.rar 第1讲、Python金融应用概述.rar 178.8M2017-11-02 18:36 第2讲、基本数据类型与结构.rar 141.6M2017-11-02 18:36 第3讲、Python数据可视化.rar 144.3M2017-11-02 18:36 第4讲、金融时间序列数据处理与分析.rar 158.3M2017-11-02 18:36 第5讲、Python中的输入输出操作.rar 177.1M2017-11-02 18:36 第6讲、Python效率分析与提升.rar 183.2M2017-11-02 18:36 第7讲、Python金融应用数学方法.rar 166.5M2017-11-02 18:36 第8讲、随机分析.rar 226.3M2017-11-02 18:36 第9讲、金融中的统计学及Python实现-revised.rar 227M2017-11-02 18:36 第10讲、金融中数值方法及Python实现.rar 166.5M2017-11-02 18:36 第11讲、Python与Excel的集成.rar 162.1M2017-11-02 18:36 第12讲、Python面向对象与图形界面编程.rar 135.1M2017-11-02 18:36 第13讲、金融中的大数据应用与Python实现.rar 152.4M2017-11-02 18:36 第14讲、案例1：金融衍生品分析库的Python开发与应用.rar 521.1M2017-11-02 18:36 第15讲、案例2：量化投资系统与Python实现.rar 533.5M2017-11-02 18:36
上传时间： 2013-07-03
上传用户：eeworm
由于日趋严重的环境问题以及风能利用的成本低廉和技术成熟等原因，风力发电成为电力系统中相对增长最快的新能源发电技术，发展风电成为改善电力系统经济运行极为重要的措施。近几年，风力发电机组单机容量和风电场建设规模都日益扩大，但风力的随机性和间歇性会对电力系统稳定运行产生一定的影响。因此对于含有风电场的电力系统，需要建立正确的风电场数学模型和进行风电场的短期风速预测。 首先，运用时间序列和神经网络相结合的预测方法，对风电场的风速序列进行短期预测。该方法用时间序列模型来选择神经网络的输入变量，而神经网络分别运用了BP和GRNN神经网络进行比较，发现使用时间序列结合GRNN网络预测效果比较令人满意，其对风电场和电力系统的稳定性运行具有重要的意义。 其次，建立了风速、风电机组和风电场的数学模型。风电机组的数学模型主要包括风力机模型、传动机构模型和异步发电机模型，仿真分析了风电机组对于风速的响应。在风电场模型研究中，考虑了尾流效应因素，风电场中各台风机位置处的风速并不相同，因此研究了风能分布的Jensen模型和Lissaman模型，并进行了案例计算分析，结果表明了风能分布模型在大规模风电场模型分析中的重要性。本文还提出了风电场等值模型的建立，降低了仿真研究的复杂性，使得分析大规模风电场并网运行成为可能。 最后，实现了包含风电场的电力系统潮流计算，采用牛顿—拉夫逊法极坐标形式的方法，为研究风电场稳定性运行提供了前提条件。同时提出了基于电力系统暂态稳定性分析的风电场穿透功率极限计算方法，并揭示了频率波动对风电场稳定运行的影响。
上传时间： 2013-07-31
上传用户：zhengxueliang
利用加速度信号测量位移是油田抽油井光杆位移测量的主要方法，而加速度信号的随机噪声和趋势项是影响测量精度的主要因素，本文提出了一种基于学习的实时消噪和剔除趋势项方法。学习时先获取一段时间的加速度信号，再通过时间序列分析技术得出ARIMA模型及其参数，最后基于FFT变换的Rife-Jane频率估计方法求出加速度信号的周期；在线实时消噪和剔除趋势项方法是基于学习阶段所得模型参数，运用卡尔曼滤波技术消除加速度信号随机噪声；按周期两次积分得到光杆位移，用加窗递推最小二乘法在线消除趋势项。通过抽油机半实物仿真平台测试和分析加速度信号，结果表明，该方法有效地去除了加速度信号中的噪声和趋势项，极大地提高了位移的测量精度。
上传时间： 2013-11-16
上传用户：稀世之宝039
