论文研究 慢动态过程的短期和长期时间序列预测随机分析
本文旨在开发合适的方法来提供可能的方案,以支持针对缓慢的动态过程(如农业综合企业的基础)进行决策。 提出了一种分析短期和长期时间序列预测并使用非线性人工神经网络(ANN)建模基础过程行为的新方法。 该算法可以通过使用分数高斯噪声(fGn)对其未来行为进行随机分析(Monte Carlo)来有效地预测时间序列数据。 该算法用于预测多个国家/地区的国家风险时间序列,包括短期提前30天和长期提前350天的情景。
本文旨在开发合适的方法来提供可能的方案,以支持针对缓慢的动态过程(如农业综合企业的基础)进行决策。 提出了一种分析短期和长期时间序列预测并使用非线性人工神经网络(ANN)建模基础过程行为的新方法。 该算法可以通过使用分数高斯噪声(fGn)对其未来行为进行随机分析(Monte Carlo)来有效地预测时间序列数据。 该算法用于预测多个国家/地区的国家风险时间序列,包括短期提前30天和长期提前350天的情景。