小波分解在非平稳时间序列预测中的应用.上海交通大学硕士学位论文小波分解在非平稳时间序列预测中的应用姓名：邓凯旭申请学位级别：硕士专业：计算数学指导教师：宋宝瑞20050101小波分析是数学发展史上里程碑式的进展它克服了傅立叶变换不能对信号同时进行时频局部化分析的局限性具有很强的信号特征提取能力尤其对暂态突变信号或微弱变化信号...
基于向量预测的非平稳语音序列编码算法研究.（解放军炮兵学院合肥230031）摘要：在语音信号序列的向量预测编码中，把语音信号源序列的相邻样本分组得到的语音向量序列，可近似为协方差平稳的向量自回归序列，在Hilbert空阀应用正交投影原理可导出具有高度并行处理能力的向量预测编码策略。.由此出发运用泛函分析方法，可以推得语音信号序列数字处理的...
时序分析：ARIMA模型（非平稳时间序列）.转载于一篇硕士论文....ARIMA模型意为求和自回归滑动平均模型(IntergratedAut少regressiveMovingAverageModel),简记为ARIMA(p,d,q),p,q分别为自回归和滑动平均部分的阶次,d为差分运算阶次,对于某些非平稳时间序列{y(t)},其一般形式为.若将（1-B）^d*y(t)记为z(t)，则上式即是ARMA模型。.
论文摘要：时间序列的概率预测主要在于预测未来可能的结果的分布，对于非平稳时间序列来说，更具有挑战性。本文提出了STRIPE模型，该模型根据形状和时间的特征来表示时序结构的多样性，进行更准确的预测。STRIPE与预测模型无关，该文为它...
2.2非平稳过程.低阶的非平稳性：区域像素点的空间和时间的关系，即小块区域的时空变换。.高阶的变化：例如在气象中的雷达回波图中对应的数据的堆积、变形或耗散，即整体的变换趋势，更为复杂。.如下图。.文中的巧妙以及想法的来源取决于此：.任何一个非平稳过程都可以分解为：确定项+时间变量多项式+零均值随机项.而通过差分的操作，我们可以把时间变量...
通过观察对非平稳的时间序列，我们可以先对数据进行取对数或进行差分处理，然后判断经处理后序列的平稳性。本文为了简便起见，只采取了差分的方法。重复以上过程，直至成为平稳序列。此时差分的次数即为模型中的阶数。
它通过d阶差分将非平稳时间序列转化为平稳时间序列，然后再建立ARMA(p,q)模型:当残差序列通过白噪声检验，就表示建立了一个合理的ARMA模型。如果不仅要预测值，还要给出置信区间，则需要对残差的平方进行白噪声检验。
武汉理工大学硕士学位论文非平稳时间序列的建模方法研究姓名：林卉申请学位级别：硕士专业：应用数学指导教师：童恒庆20050501武汉理J二大学硕士学位论文中文摘要时间序列分析是概率统计学中一个内容十分丰富的重要分支，近年来它在理论与应用两方面都得到了蓬勃发展。.时间序列分析按时间序列的统计特性可以分为平稳时间序列和非平稳时问序列...
确定性非平稳序列.一个序列在任意时刻的值都能够被精确确定（或被预测），则该序列为确定性序列，如正弦序列、周期脉冲序列等。.而某序列在某时刻的取值是随机的，不能给以精确预测，只知道取某一数值的概率，则该序列为随机序列，如白噪声序列等。.Cramer分解定理说明每个序列都可以分成一个确定序列加一个随机序列，平稳序列的两个构成序列均平稳，非平稳...
不仅考察了单步预测的结果，也实现并分析了多步预测算法。本文发现，平稳的核函数应用于平稳的时间序列（如回归滑动平均序列）能够取得良好的预测效果，但是非平稳的时间序列（如随机漫步）必须使用非平稳的核函数才能得到较佳的预测效果。