导读:本文包含了时间序列拟合论文开题报告文献综述及选题提纲参考文献，主要关键词:计量学,容积表,样条插值,时间序列
时间序列拟合论文文献综述
马鑫钰,王金涛,孙斌,刘翔,郑鹤[1]（2019）在《基于插值算法和时间序列的容积表拟合方法》一文中研究指出在实际测量罐容积表数值的基础上,使用叁次样条曲线插值和指数时间序列分析的方法,样条插值生成的数值用以补全在容积表实测采样点区间内的数值,时间序列分析方法用以推算出在罐底和罐顶未测得区间的数值。在实际计量测试中,叁次均匀B样条曲线插值方法模拟与实际真值最大偏差小于0. 3%,时间序列分析方法测的数据提供参考价值,依次两位向前推得数据,实际偏差小于1%。(本文来源于《计量学报》期刊2019年04期）
刘玉成[2]（2019）在《采动地表下沉时间序列的曲线拟合研究》一文中研究指出基于煤层开采地表下沉的时间过程为先加速后减速的变速运动的特征,提出了一种适合采动地表下沉时间序列曲线的拟合函数,分析了该函数中的拟合参数b和c对曲线形态、下沉速度和加速度的影响规律。用1stOpt 1.5软件编制计算程序,拟合了实测的煤层开采引起的地表下沉时间序列曲线,并与其他3种类型的拟合函数进行了对比分析。研究结果表明:提出的拟合函数的数学公式简单、参数数量适中,从下沉曲线形态,下沉速度和加速度3个方面均符合煤层开采地表下沉的动态过程。该拟合函数对实测曲线的拟合精度高,拟合的相关系数为0.996 8,用该拟合函数预测的最大下沉量468.7 mm、计算出的最大下沉速度为0.325 mm/d,对应的时间594.3 d,均与实测值接近。(本文来源于《煤炭科学技术》期刊2019年05期）
熊智,钟少波,宋敦江,余致辰,黄全义[3]（2018）在《城市轨道交通客流量时间序列分段拟合方法》一文中研究指出为有效指导行车调度、预防和处置轨道交通突发事件,利用曲线拟合方法挖掘客流量时间序列趋势性特征,在客流时间分布分析和数据探索的基础上,通过整体拟合、人工分段拟合和自动分段拟合,对北京市36个地铁站单日内客流量进行时间序列建模优化研究,并对比3种方法的拟合结果和R2指标。研究表明:分段拟合利用局部函数建模客流量变化的动力学过程,相较整体拟合能更好地逼近实际;在分段拟合时,采用自动分段策略,能避免人为判定分段点的主观性,实现最佳优化,进一步提高预测分析效率和精度。(本文来源于《中国安全科学学报》期刊2018年11期）
郑舒颖[4]（2018）在《时间序列拟合模型的应用和改进》一文中研究指出时间序列数据普遍存在于各个领域,具备高维性、动态性、复杂性、高噪声和数据量大等特性。时间序列模型是一种对时间序列进行拟合概括的表示法。在时间序列数据中,对于具备多个显着局部特性的观测数据,在定义域上只选取一组基函数,得到的拟合结果往往不理想。分段多项式回归模型是解决这类问题的有效方法,而分段点处如何连接,是进行分段多项式拟合的重点。本文主要以上海出国游人数当月值的数据为依据,构建叁种拟合模型。第一种模型是应用时间序列中的乘法季节模型来拟合上海出国游人数。第二种模型是结合分段多项式回归与叁次样条插值,构建全局连续的分段多项式回归模型来拟合上海出国游人数。与第一种模型比较,结果表明第二种模型拟合效果更优。第叁种是构建带两个等式约束条件的拉格朗日函数建立全局光滑的分段多项式回归模型。通过比较,认为全局光滑的分段多项式回归模型确实达到预期效果。本文贡献:(1)本文结合分段多项式回归和叁次样条插值,建立了全局连续的分段多项式回归模型,并首次应用于上海出国游人数的拟合分析中,得到优于乘法季节模型的拟合结果。(2)在全局连续的分段多项式回归模型基础上进一步改进模型,通过构建带有两个等式约束条件的拉格朗日函数,建立了全局光滑的分段多项式回归模型。用于上海出国游人数拟合分析中,此模型解决了分段多项式回归模型分段点处连接不光滑的现象。(本文来源于《厦门大学》期刊2018-04-01）
宋盼盼[5]（2017）在《基于光谱时间序列拟合的中国南方水稻遥感识别及面积估算方法研究》一文中研究指出粮食安全对于一个国家的发展至关重要,农作物种植面积是保障粮食安全的基础,因此农作物种植面积估算非常重要。目前遥感技术在识别农作物和面积估算领域应用非常广泛。多云多雾现象是农作物遥感分类经常遇到的问题,影响识别精度。目前有学者通过云检测方法将有云的区域识别并剔除出去,用其他多期影像补充,虽然解决了云的问题,但是一般情况下多期影像并不是识别农作物的最佳时相,依然无法保证分类精度。本文提出一种基于光谱时间序列拟合的水稻遥感识别方法,即解决了多云多雾现象影响水稻遥感识别的问题,又能保证精度。本文水稻识别方法是利用时间序列的GF-1号遥感影像提取中稻、晚稻的近红外波段反射率(NIR)、红光波段反射率(R)、归一化植被指数(NDVI)特征,拟合中稻、晚稻光谱(近红外、红光)和归一化植被指数时间序列特征曲线,分析参与时间序列特征曲线拟合的多时相影像近红外波段、红光波段、NDVI值落在拟合中稻、晚稻近红外波段、红光波段和NDVI时间序列曲线两侧的敏感性区域的比例,该敏感区域也可以视为水稻识别区域,只有达到一定的比例才能视为某类水稻作物。在此情形下,需要综合叁种情况进行集中投票决定其最终分类结果。本文统计出外业调查样方内水稻真实种植面积,以一部分样方作为修正样方,剩余样方用于面积估算精度验证,建立GF-1号WFV分类水稻面积与样方水稻面积之间的线性关系,通过线性回归模型计算出水稻面积修正参数,利用线性修正模型估算出验证样方内水稻面积,与验证样方内真实水稻面积进行对比,验证精度,最后对整个研究区GF-1号WFV数据水稻的分类统计结果进行修正,估算出研究区水稻种植面积。研究表明:本文识别方法可以在多云雾地区对中稻和晚稻精确识别,中稻和晚稻用户精度分别可达95.97%和95.95%,总体精度为95.76%,kappa系数为0.9335,结果较为理想,表明了NIR、R和NDVI时间序列曲线拟合的有效性,以及拟合曲线水稻识别区域设置的合理性,解决了多云多雾对水稻遥感识别的问题。最后利用光谱时间序列拟合水稻识别方法获得研究区宏观监测水稻种植面积,运用水稻面积修正模型对研究区水稻进行修正,有效提高了面积估算精度。(本文来源于《东华理工大学》期刊2017-06-12）
陆阳,易长荣[6]（2016）在《GPS高程时间序列拟合研究》一文中研究指出为了从GPS连续监测站的高程时间序列中得到地面沉降信息,文章利用叁角函数对时间序列进行拟合,结果显示拟合效果良好,并且揭示了地面沉降的发展规律和监测沉降中的一些问题。(本文来源于《江苏科技信息》期刊2016年17期）
冯胜涛,刘雪龙,王友[7]（2015）在《最小二乘拟合GNSS位置时间序列分析》一文中研究指出针对GNSS位置时间序列包含的线性趋势及其变化可能干扰后续分析并掩盖动力学因素信息的问题,该文使用最小二乘方法分析时间序列的线性趋势并减弱时间序列中阶跃的影响。分析了最小二乘方法用于GNSS位置时间序列分析的可行性及利用该方法分别获取趋势变化点前后的线性趋势,据此估计时间序列趋势变化的大小进而可以对时间序列进行修复。该方法用于GNSS位置时间序列的初步分析,可以方便有效地去除线性趋势变化对后续时间序列分析的影响,同时拟合结果本身也能反应出时间序列的变化特征。(本文来源于《测绘科学》期刊2015年10期）
张利平,于贞杰,张建华,李望晨[8]（2015）在《六种时间序列组合建模方案在卫生费用趋势拟合中的应用研究》一文中研究指出目的:立足卫生支出等趋势预测问题时间序列组合建模研究,借助算例比较验证。方法:根据政府卫生支出时序资料,将曲线拟合法和ARIMA法建模以后,考虑了残差修正组合法和线性加权组合法(残差平方和倒数法、关联度法、相关系数法、待定系数法和等权法)两大类组合途径,共建立六个组合模型。结果:修正指数曲线、ARIMA法拟合及预测效果不错;残差修正组合法实际算例不必要,其余五种线性组合模型效果优于任何单个方法模型。结论:曲线法、ARIMA法及六种组合模型对于趋势预测有应用意义。(本文来源于《中国卫生经济》期刊2015年08期）
卢霞,王春艳,谢宏全,彭红春,李海英[9]（2015）在《浒苔水体光谱特征参量时间序列数据拟合研究》一文中研究指出开展时间序列浒苔水体光谱特征参量的拟合研究可为寻求最佳拟合方法,从而对进一步开展大尺度的高光谱高空间高时间分辨率遥感动态实时监测具有重要的参考价值。在实验室培养3种不同浓度的浒苔水体,用ASD光谱仪测定并获取浒苔水体的时间序列反射光谱,基于反射光谱定量提取光谱特征参量,构建时间序列数据;应用曲线拟合和时间序列ARMA模型开展浒苔水体光谱特征参量的时间序列拟合研究。结果表明:应用二阶或叁阶多项式和ARMA模型可较高精度地拟合浒苔水体的光谱特征参量;但时间序列ARMA模型比多项式拟合模型更能反映浒苔水体光谱特征参量的时间序列数据的分布和变动特性。该研究可为浒苔灾害动态监测业务化运行部门提供浒苔光谱数据,同时也为光谱数据的处理和分析提供一种新的方法。(本文来源于《海洋科学》期刊2015年04期）
童琳,赵秋兰[10]（2015）在《基于时间序列AR模型的IBM公司股票价格拟合分析》一文中研究指出本文利用时间序列AR模型,以IBM公司为例,对公司股价进行拟合分析得到较好的拟合效果,说明了AR模型在金融时间序列分析中的适用性。(本文来源于《商业故事》期刊2015年02期）
时间序列拟合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于煤层开采地表下沉的时间过程为先加速后减速的变速运动的特征,提出了一种适合采动地表下沉时间序列曲线的拟合函数,分析了该函数中的拟合参数b和c对曲线形态、下沉速度和加速度的影响规律。用1stOpt 1.5软件编制计算程序,拟合了实测的煤层开采引起的地表下沉时间序列曲线,并与其他3种类型的拟合函数进行了对比分析。研究结果表明:提出的拟合函数的数学公式简单、参数数量适中,从下沉曲线形态,下沉速度和加速度3个方面均符合煤层开采地表下沉的动态过程。该拟合函数对实测曲线的拟合精度高,拟合的相关系数为0.996 8,用该拟合函数预测的最大下沉量468.7 mm、计算出的最大下沉速度为0.325 mm/d,对应的时间594.3 d,均与实测值接近。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时间序列拟合论文参考文献
[1].马鑫钰,王金涛,孙斌,刘翔,郑鹤.基于插值算法和时间序列的容积表拟合方法[J].计量学报.2019
[2].刘玉成.采动地表下沉时间序列的曲线拟合研究[J].煤炭科学技术.2019
[3].熊智,钟少波,宋敦江,余致辰,黄全义.城市轨道交通客流量时间序列分段拟合方法[J].中国安全科学学报.2018
[4].郑舒颖.时间序列拟合模型的应用和改进[D].厦门大学.2018
[5].宋盼盼.基于光谱时间序列拟合的中国南方水稻遥感识别及面积估算方法研究[D].东华理工大学.2017
[6].陆阳,易长荣.GPS高程时间序列拟合研究[J].江苏科技信息.2016
[7].冯胜涛,刘雪龙,王友.最小二乘拟合GNSS位置时间序列分析[J].测绘科学.2015
[8].张利平,于贞杰,张建华,李望晨.六种时间序列组合建模方案在卫生费用趋势拟合中的应用研究[J].中国卫生经济.2015
[9].卢霞,王春艳,谢宏全,彭红春,李海英.浒苔水体光谱特征参量时间序列数据拟合研究[J].海洋科学.2015
[10].童琳,赵秋兰.基于时间序列AR模型的IBM公司股票价格拟合分析[J].商业故事.2015