阐述了支持向量机应用于大气污染物时间序列预测的具体方法，建立了大气污染物时间序列的支持向量机预测模型。该方法将支持向量机应用于大气污染物浓度预测：首先通过选择合适的信息量准则来确定模型阶数；而后通过实验的方法选择参数从而形成支持向量机的训练样本集，在此基础上建立了基于支持向量机的时间序列大气污染预测模型。实例表明，无论是在仿真过程还是在预测过程， 支持向量机都具有很高的预测精度。因此，采用支持向量机方法对大气污染物时间序列进行预测分析是可行的。
2022-05-31 20:39:02
1.89MB
1
以非线性时间序列关联维数的计算为主线,分别使用相空间重构技术、C-C方法的延迟时间和嵌入维数估计、G-P算法直接从时间序列中计算关联维数,并对几种典型心音信号的关联维数进行计算,计算结果分析表明:心音信号中具有明显的混沌特性。
2022-05-30 22:31:07
795KB
1
16非平稳时间序列突变检测的启发式瓜分算法(bg算法)matlab源代码[最新].doc
2022-05-29 09:07:44
131KB
时间序列预测和分析Introduction to Time Series and Forecasting homework03-solutions.pdf
2022-05-28 20:30:37
1.68MB
时序预测 | MATLAB实现LSTM时间序列未来多步预测（完整源码和数据）
数据为一维时序列数据,运行环境MATLAB2018b及以上，可以实现未来100个值的预测。
2022-05-26 22:05:23
544KB
时序预测 | MATLAB实现BiLSTM时间序列未来多步预测（完整源码和数据）
数据为一维时序列数据,运行环境MATLAB2018b及以上，可以实现未来100个值的预测。
2022-05-26 22:05:21
546KB
时序预测 | MATLAB实现DNN时间序列未来多步预测（完整源码和数据）
数据为一维时序列数据,运行环境MATLAB2018b及以上，可以实现未来100个值的预测。
2022-05-26 22:05:21
248KB