时间序列分析
当前话题为您枚举了最新的 时间序列分析。在这里，您可以轻松访问广泛的教程、示例代码和实用工具，帮助您有效地学习和应用这些核心编程技术。查看页面下方的资源列表，快速下载您需要的资料。我们的资源覆盖从基础到高级的各种主题，无论您是初学者还是有经验的开发者，都能找到有价值的信息。
R语言时间序列分析
利用全国卷烟销量数据，采用R语言进行时间序列分析。分别构建ARIMA季节时间序列模型、Holtwinters指数平滑模型，并评估模型准确性。提供完整R代码和数据集。
算法与数据结构
4
2024-05-13
时间序列分析预测法
时间序列分析预测法分为三类：
平滑预测法：采用移动平均和指数平滑方法，平滑原始数据趋势线。
趋势外推预测法：利用历史数据拟合趋势函数，预测未来趋势。
平稳时间序列预测法：估计模型参数，根据历史数据预测未来值。
算法与数据结构
4
2024-05-24
Matlab时间序列分析代码
时间序列数据分析的Matlab实现代码。
Matlab
1
2024-07-27
时间序列分析资源包
本资源包包含教学PPT和MATLAB实现代码，详细介绍了时间序列的基本理论。时间序列是按时间顺序排列的统计指标数列，主要用于基于历史数据预测未来走势。经济数据通常以时间序列形式呈现，时间单位可以是年、季度、月等。
Matlab
0
2024-09-28
基于ARMA模型的时间序列分析
使用ARMA模型对海浪高度数据进行时间序列分析及预测拟合，代码中有详细注释，便于学习理解。
算法与数据结构
2
2024-07-13
地学中的时间序列分析技术
时间序列（Time Series）在地学研究中广泛应用，涉及时域和频域两种基本形式。时域分析具有时间定位能力，但频域分析如Fourier变换则更适合处理非平稳序列，如河川径流、地震波、暴雨等。这些现象具有趋势性、周期性和随机性特征，需要多时间尺度的分析方法。
Matlab
2
2024-07-16
数学建模中的时间序列分析
探讨时间序列分析的基础知识，参考了《应用时间序列分析》的前三章内容。使用Python进行建模，适合数学建模中对时间序列分析的初学者快速入门与实际应用。文章简单易懂，侧重于实际操作。
统计分析
2
2024-07-17
协整分析与时间序列建模
这一算法是一种基于MATLAB编写的协整建模工具，能够直接应用于数据序列的分析。
算法与数据结构
2
2024-07-17
ARMA模型时间序列分析Python代码
使用Python代码对时间序列数据进行ARMA模型分析。
统计分析
6
2024-04-29
时间序列分析和数据挖掘资源精选
时间序列分析和数据挖掘资源精选
学习资源
课程
实用时间序列分析 | Coursera
时间序列分析 | 麻省理工学院 - 开放式课件
时间序列分析 | edX
时间序列预测 | Udacity
使用中断时间序列的策略分析 | 英特尔® 开发人员专区
版课程资源
多元时间序列分析 | 芝加哥展台，Ruey S. Tsay
时间序列 | 俄勒冈州立大学
统计预测：有关回归和时间序列分析的注释 | 杜克大学
书籍
Cochrane J H. 宏观经济学和金融学的时间序列 [J]. 计算机应用，2006,26（6）：1175-1178
芝加哥大学手稿，2005年。预测：原则与实践。 Rob J Hyndman和George Athanasopoulos
论文
时间序列数据挖掘
时间序列数据的聚类—调查
工具
pyts
数据挖掘
2
2024-05-20