本书是普通高等教育“九五”国家重点教材，也是全国统计教材编审委员会“九五”本科规划教材。本书从应用的角度出发，试图借助计算机的存贮功能和计算功能来抽象掉其深奥的数学理论和复杂的运算，从而使只具一般数学知识的读者便可掌握和运用时间序列分析方法。在阐述中，尽可能回避严格的数学推导和证明，而从系统运动的惯性（即记忆法）加以解释和展开，或者说，本书把时序分析看作是一种统计分析工具，而不是数学的一个分支理论...
2021-12-08 15:58:20
3.89MB
1
经典的David R. Brillinger的时间序列分析和理论，傅里叶变换、功率谱分析、循环平稳特性分析都囊括其中
2021-12-06 15:40:50
44.66MB
1
失业时间系列
失业的时间序列分析
这是我研究生院统计课程之一的项目。 使用R，我使用ARIMA模型和VaR模型预测了美国的失业率。 对于VaR模型，我使用了美国批准的建筑许可数量作为主要指标。
2021-12-04 10:23:17
3KB
1
销售_预测
基于kaggle数据集的时间序列分析和预测项目。
在这个项目中，我使用了从指数平滑和ARIMA模型到Facebook的Prophet库的最新预测技术，以便预测俄罗斯公司的未来销售利润。 数据集来自Kaggle.com。
使用RMSE在模型一步预测和实际值之间分析了模型的性能。 表现最好的模型是Prophet，然后是三重指数平滑模型。
找到最佳绩效模型之后，我将其用于预测公司中各个商店的未来利润。 结果可以在sales_plots文件夹中找到； 它们采用交互式可绘制HTML文件的形式。 这些文件无法由GitHub显示，因此我在此处保留了一些文件预览的链接：
2021-12-03 20:23:43
63.26MB
1
简单但高效的代码，可根据整个数据系列或使用可变统计边界移动窗口部分提供异常值去除。 还允许用平均值替换异常值。
2021-12-03 16:54:36
2KB
1
代码均为博主手动实现，适用学习《应用时间序列分析》何书元的本科生和硕士生，喜欢敲代码实现课本内容的学生，有可以改进的地方留言
2021-11-28 17:02:31
20KB
1
使用长期短期记忆（LSTM）进行风能预测
有关完整的详细信息，请阅读CSE 523项目报告.pdf。
介绍
由于风速/功率具有可再生性和环境友好性，因此在地球上受到越来越多的关注。 随着全球风电装机容量的Swift增加，风电行业正在发展为大型企业。 可靠的短期风速预测在风能转换系统中起着至关重要的作用，例如风轮机的动态控制和电力系统调度。 精确的预测需要克服由于天气条件波动而导致的可变能源生产问题。 风产生的功率高度依赖于风速。 尽管它是高度非线性的，但风速在特定时间段内遵循特定模式。 我们利用这种时间序列模式来获得有用的信息，并将其用于功率预测。 LSTM用于对数据执行不同的实验并得出结论。
结论
我们的目标是改善对使用风能发电的功率的预测，并且已经实现了将LSTM用作机器学习模型并对其进行模型优化。
我们还观察到，如果风速小于4 m / s，则系统生成的功率为零。 LSTM无法学习这
2021-11-24 21:40:43
6.85MB
1