LMS滤波，以及AR序列的预测

提出一种基于自回归求和移动平均(ARIMA) 与人工神经网络(ANN) 的区间时间序列混合模型, 并用混合模型分别对区间中值序列和区间半径序列建模. 采用Monte Carlo 方法生成模拟区间序列,

在matlab中实现ARIMA时间序列预测。函数形式如下： function [result] = ARIMA_algorithm(data, Periodicity, ACF_P, PACF_Q,

一个基于python flask技术的web应用，对往年数据ARIMA模型处理， 能提供3天，7天，15天预测数据，同时提供回看数据，登录，注册等功能

PPT时间序列分析与预测的 课件，很好的资源，很有利用价值

先知 从移植到Ruby的时间序列预测 支持: 多个季节 线性和非线性增长 假期和特别活动 并优雅地处理丢失的数据 安装 将此行添加到您的应用程序的Gemfile中: gem 'prophet-rb'

基于时间序列的PTN流量预测，王点点，宋海楠，随着5G网络的兴起，PTN网络成为承载4G\5G基站与核心网的主要传输承载网。5G的发展也对传输设备流量提出了新的挑战。为了降低成本同时

用于对遥感植被指数时间序列进行Savitzky–Golay滤波平滑，可减弱天气状况及数据质量因素对于时间序列的不利影响。进行滤波之前请先将原时间序列中由于云覆盖导致缺失的像元进行线性插补。

!!如果资源需要积分可以联系我修改成0积分!! 芯片采用STM32F407ZGT 本程序适配 和 正点原子 引脚分配相同的开发板/核心板(正点原子的开发板最好) 本程序需要使用1M的SRAM芯片(正点

适用于LMS算法线性均衡器设计类的毕业论文

暂无介绍