图书介绍

复杂时间序列预测技术研究 数据特征驱动分解集成方法论pdf电子书版本下载

复杂时间序列预测技术研究  数据特征驱动分解集成方法论
  • 汤铃,余乐安,李建平,汪寿阳著 著
  • 出版社: 北京:科学出版社
  • ISBN:9787030476364
  • 出版时间:2016
  • 标注页数:181页
  • 文件大小:20MB
  • 文件页数:195页
  • 主题词:时间序列分析-预测技术-研究

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

复杂时间序列预测技术研究 数据特征驱动分解集成方法论PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 3

1.2.1 主流时序预测技术研究综述 3

1.2.2 清洁能源与国家风险预测技术研究综述 10

1.3 本书主要内容 15

1.3.1 研究思路与技术路线 15

1.3.2 章节结构安排 16

1.3.3 主要创新点 17

第2章 方法论理论框架 19

2.1 核心思想 19

2.1.1 “数据特征驱动建模”思想 19

2.1.2 “先分解后集成”思想 21

2.1.3 流程框架 23

2.2 实证设计 25

2.2.1 研究样本 25

2.2.2 评价标准 31

2.3 本章小结 32

第3章 数据特征识别 34

3.1 数据特征识别的重要性 34

3.2 数据特征及其相互关系 35

3.3 数据特征识别方案 39

3.3.1 本质特征确定 40

3.3.2 模式特征度量 46

3.3.3 主要步骤 50

3.4 数据特征识别方案的应用 53

3.4.1 研究样本的本质特征确定 53

3.4.2 研究样本的模式特征度量 57

3.5 本章小结 68

第4章 分解集成模型 70

4.1 分解集成模型的提出 70

4.2 分解集成模型方法 71

4.2.1 分解方法 72

4.2.2 预测方法 75

4.2.3 集成方法 79

4.3 分解集成模型的应用 79

4.3.1 准确性评价 80

4.3.2 方向性评价 87

4.3.3 统计检验 91

4.3.4 结果小结 93

4.4 本章小结 93

第5章 数据特征驱动的时序分解 95

5.1 数据特征驱动时序分解的重要性 95

5.2 数据特征驱动分解方法 96

5.2.1 时域分析方法 97

5.2.2 时频分析方法 100

5.2.3 瞬频分析方法 101

5.2.4 分解方法与数据特征 103

5.3 数据特征驱动时序分解的应用 104

5.3.1 传统分解方法下的预测结果 106

5.3.2 自适性分解方法下的预测结果 111

5.3.3 数据特征驱动分解的有效性 116

5.4 本章小结 122

第6章 数据特征驱动的模态预测 124

6.1 数据特征驱动模态预测的重要性 124

6.2 数据特征驱动模态预测方法 125

6.2.1 方法类别与本质特征 127

6.2.2 模式变量与模式特征 132

6.3 数据特征驱动模态预测的应用 133

6.3.1 方法类别选择 134

6.3.2 模式变量引入 141

6.4 本章小结 150

第7章 数据特征驱动的集成预测 152

7.1 数据特征驱动集成预测的重要性 152

7.2 数据特征驱动集成预测方法 153

7.2.1 拟合回归方法 153

7.2.2 简单集成方法 154

7.2.3 集成方法与数据特征 155

7.3 数据特征驱动集成预测的应用 156

7.3.1 数据类型1的预测结果 157

7.3.2 数据类型2的预测结果 161

7.3.3 数据类型3的预测结果 162

7.4 本章小结 164

第8章 总结与展望 165

8.1 本书主要研究工作 165

8.2 本书主要研究成果 166

8.3 研究展望 168

参考文献 169

精品推荐