文章通过对安徽省内20个代表台站1961-2005年月平均气温序列均一性检验的研究，提出了一种新的基于Γ分布气温序列非均一性检验方法-Γ检验法；以合肥为例给出了数据处理和结果分析的全过程，并将该方法检验结果与常见的基于正态分布的SNHT法的检验结果进行了对比分析，结果表明该方法具有更广泛的使用范围和较高的准确性，可以检验大部分气温序列的非均一性；同时说明安徽省内大多数台站的温度资料质量基本可靠，而台站迁移则是造成气温序列非均一性的主要原因。
2022-11-24 19:03:31
255KB
1
参考：http://t.csdn.cn/tdZm3
Unity本身对字典这种数据结构没有序列化处理的，在实际开发过程中如果我们需要实时查看字典内部数据或者需要配置字典这种类型的本地数据，就需要自己进行开发。这里有开发者完善过的一款插件可以直接使用
订阅专栏的可以问群主要工程
2022-11-24 14:28:55
219KB
1
这是 “LSTM时间序列预测任务” 案例中使用到的数据集，该案例我已在Blog中分享，欢迎下载该数据集。
2022-11-23 12:02:11
89KB
1
基于GNN和ARIMA的时间序列预测（Python完整源码和数据包）
一个基于GNN和ARIMA的时间序列预测，包括数据预处理和预测方法。
基于GNN和ARIMA的时间序列预测（Python完整源码和数据包）
一个基于GNN和ARIMA的时间序列预测，包括数据预处理和预测方法。
2022-11-23 11:26:30
5KB
C#得到硬盘物理序列号。不是分区盘号，而是完整硬盘的唯一序列号。
可用于软件加密，生成注册码
2022-11-23 10:56:35
59KB
1
MATLAB实现BO-GRU贝叶斯优化门控循环单元时间序列预测（完整源码和数据）
数据为单变量时间序列数据，
运行环境MATLAB2020b及以上，
程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。
2022-11-22 20:26:28
595KB
石油消耗
建立时间序列模型以预测美国住宅部门消耗的石油
在过去的45年中，美国的石油消费发生了巨大变化。 住宅部门的美国石油消费量（以每天千桶计）惊人地下降。 这里提取了多年趋势和季节性成分，以更好地了解石油消费的变化。 此外，使用1984年1月至2018年9月的数据构建了时间序列模型，并使用2018年10月至2019年9月的数据来测试哪种模型的预测效果更好。
用于时间序列分析的数据是“ MER_T03_07A.csv”，可从美国能源信息管理局（eia）（ ）下载。
2022-11-22 20:12:56
2.13MB
1