作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
Tiao and Tsay的论文表明线性ARMA模型能为长记忆序列提供较好的逼近预测.本文给出求逼近预测的方法,并予以证明.
推荐文章
基于小波的汇率波动序列长记忆性研究
长记忆
波动序列
离散小波变换(DWT)
小波方差
提高时间序列气象适应性的短期电力负荷预测算法
电力系统
负荷预测
时间序列
神经网络
气象敏感因子
区间型金融时间序列的长记忆性研究
区间金融时序
长记忆性
Hurst指数
基于时间序列分析的网络流量预测模型研究
网络流量
时间序列分析
径向基神经网络
小波变换建模
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 长记忆时间序列的适应性预测
来源期刊 南京大学学报(数学半年刊) 学科 数学
关键词 ARFIMA(0,d,0),ARMA(1,1),最小均方误差步预报值(步最优预报值),步预报误差,步预报误差方差
年,卷(期) 2003,(2) 所属期刊栏目
研究方向 页码范围 191-196
页数 6页 分类号 O211.61
字数 1363字 语种 中文
DOI 10.3969/j.issn.0469-5097.2003.02.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高洁 南京大学数学系 36 370 7.0 19.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (1)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2004(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
ARFIMA(0,d,0),ARMA(1,1),最小均方误差步预报值(步最优预报值),步预报误差,步预报误差方差
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京大学学报(数学半年刊)
半年刊
0469-5097
32-1169/N
16开
南京大学数学系内
1974
chi
出版文献量(篇)
613
总下载数(次)
0
总被引数(次)
832
论文1v1指导