利用数据挖掘技术分析外汇汇率时间序列,从时间序列中获得正确的、隐含的、潜在的信息对于金融领域研究具有重 要的现实意义。通过数据挖掘中的 ARIMA模型,以某银行的外汇汇率时间序列为研究对象,采用差分方法和建模规则,对 外汇的卖出价进行了建模与预测。通过与逐步自回归预测模型相比较,ARIMA模型对外汇汇率时间序列数据具有很强的 预测能力。
2022-05-09 23:06:05
928KB
1
交通流预测是智能交通系统至关重要的一部分，应用于交通流预测的方法非常多，由于实际路况的复杂性和单个.方法的局限性，现有方法的精确度亟待提高。为解决这一问题，采用数据融合的方法，对传感器采集的原始数据做数据预.处理，利用小波分析去除信号多余的噪声，然后利用AＲIMA 模型和灰色模型分别对同一交通流序列进行建模，得出两者.各自的预测结果后，找出最佳权值对两种模型的结果进行加权，得到数据融合后的预测结果。仿真结果表明，该组合模型.改善了单个预测方法的短处，使得预测精度有所提高。
2022-05-06 13:10:59
1.5MB
1
时序预测 | MATLAB实现ARIMA时间序列预测（完整源码和数据）
本程序基于MATLAB的armax函数实现arima时间序列预测；
实现了模型趋势分析、序列差分、序列平稳化、AIC准则模型参数识别与定阶、预测结果与误差分析过程，逻辑清晰。
数据为144个月的数据集，周期为一年，最终实现历史数据的预测和未来两年数据的预报！
2022-05-05 09:09:29
2KB