导读:本文包含了趋势序列论文开题报告文献综述、选题提纲参考文献，主要关键词:趋势,序列,模型,时间,效应,平均,阈值。
趋势序列论文文献综述写法
汤晶晶,李晋宏[1]（2019）在《基于趋势转折点边界面积的时间序列分段算法》一文中研究指出时间序列数据具有数据量大、维度高等特点,对时间序列数据进行挖掘之前通常先进行分段预处理。传统的基于特殊点分段算法往往只关注该特殊点相邻点或相邻特殊点的变化情况,不能有效表示该特殊点左右两侧的中长期变化趋势,本文提出一种基于趋势转折点边界面积的时间序列分段算法。该方法首先找出趋势转折点,之后寻找该点左右两侧维持趋势的边界点,在寻找边界时允许轻微波动,最后计算这叁点构成的面积,以此代表该点的重要性。该算法在真实工业生产数据上实验效果良好,并通过不同领域公共数据集与其他算法进行比较,证明算法有效。(本文来源于《软件》期刊2019年12期）
韩玲,王鸿,颜隆,高治理,贺娟[2]（2019）在《河北省手足口病发病趋势的时间序列分析》一文中研究指出目的:运用季节性自回归移动平均混合(SARIMA)模型分析预测河北省手足口病发病趋势的可行性和适用性,为手足口病的防控工作提供决策依据。方法:利用R3.5.1软件对河北省2008年1月至2014年12月手足口病月发病率资料进行建模,并以2015年手足口病月发病率资料验证模型的预测效果。结果:模型SARIMA(1,1,1)(0,1,1)12较好地拟合了河北省手足口病月发病率资料,模型残差为白噪声序列(Ljung-Box Q=9.289,P=0.411),预测值与实际值的相对误差范围为0.924%～35.526%,平均相对误差为13.408%。结论:SARIMA模型可较好地反映河北省手足口病的发病趋势并进行短期预测。(本文来源于《中华中医药杂志》期刊2019年12期）
王大维,汪浩[3]（2019）在《一种剔除GPS坐标时间序列非线性趋势项的方法》一文中研究指出GPS站点坐标的时间序列通常由信号的周期项、趋势项及噪声组成,其中,坐标时间序列的非线性趋势项是非平稳时间序列分析处理中的一个重要内容。本文引入了平滑先验滤波法来剔除GPS坐标时间序列的非线性趋势项,并与传统的最小二乘方法进行对比。先后分析了最小二乘和平滑先验法消除趋势项的方法原理,并利用Matlab对两种方法进行实现,进而对比分析两种方法消除趋势项效果。结果表明:相比最小二乘方法,平滑先验法能够有效地消除GPS坐标时间序列中的非线性趋势项。(本文来源于《测绘与空间地理信息》期刊2019年11期）
张姝琪,张洪波,辛琛,南政年,李哲浩[4]（2019）在《水文序列趋势及形态变化的表征方法》一文中研究指出变化环境下水文序列表现出非一致性,形态变化也呈现非单调性甚至非平稳性波动特征,导致传统的水文分析计算和水资源核算面临极大挑战。通过集成不同统计检验参数或方法,提出一套表征水文序列趋势形式及形态变化的指标体系,并以渭河流域咸阳站等7个站点年径流序列为例,验证了该方法的适用性。结果表明,该体系可较为有效地对具有相同Mann-Kendall检验值的不同水文序列的形态变化进行分析与对比,反映水文序列形态变化的宏观特征,实现不同水文数据序列间的空间差异性表征。(本文来源于《水资源保护》期刊2019年06期）
张敏,巫国贵[5]（2019）在《基于时间序列法的大学生身体形态发展趋势研究》一文中研究指出本研究以经济学和体育学交叉学科的视角,首次采用计量经济学中时间序列分析法对2007～2017年19至22岁大学生身高、体重长期趋势进行分析,并预测2022年的发展趋势,以深入研究大学生体质健康领域。研究表明:大学生身高呈线性增长趋势,同时间内身高较体重增长幅度大,且存在性别差异;2022年大学生的身高、体重预测趋势不同,预示大学生肥胖率不断增加,控制大学生的体重刻不容缓。建议:应加强大学生体育理论的学习,增加大学生的体育锻炼时间,树立"持久锻炼"的观念,养成"终身体育"的意识,从而达到改善大学生体质健康的目的。(本文来源于《湖北体育科技》期刊2019年11期）
王汉卿,王启优,张春林,吴彦昭,张昌顺[6]（2019）在《甘肃省重点流域地表水资源量时间序列趋势变化研究》一文中研究指出依据第叁次全国水资源调查评价大纲要求,对甘肃省14条重点流域河流1956—2016年系列降水、蒸发及天然径流量进行分析统计。通过Arc GIS构建降水、蒸发及径流等值线,量算得出河流自产水资源量、出境、入境水量。并利用谐波与小波相结合的方法,对未来短期重点流域地表水资源变化趋势进行预测研究。(本文来源于《水利规划与设计》期刊2019年10期）
王建洪[7]（2019）在《基于趋势熵维数识别时间序列动量与反转效应的转换研究》一文中研究指出识别时间序列动量与反转效应的转换对构建市场时机选择策略至关重要。文章结合证券价格时间序列具有分形波动特征的实际情况,研究了趋势熵维数识别时间序列动量和反转效应的转换情况,并基于识别结果构建了市场时机选择策略。研究表明,趋势熵维数能有效识别时间序列动量与反转效应的转换,可为投资者构建市场时机选择策略提供参考。(本文来源于《统计与决策》期刊2019年18期）
邱莉琴,冯伟[8]（2019）在《1962-2016年奉化区人口死亡率趋势的时间序列分析》一文中研究指出目的利用自回归滑动平均模型法(ARIMA)对奉化区人口死亡率数据进行建模与预测。方法利用R3. 3. 2软件对1962-2010年死亡率数据构建ARIMA模型,对模型进行参数估计与残差诊断,并利用建立的模型对2011-2016年的死亡率数据进行预测。结果构建的模型为ARIMA(0,1,1)模型,模型的参数估计值ma1=-3. 42,P=0. 001,模型的残差诊断图显示模型残差为白噪声序列。2011-2016年预测结果相对误差率最小的是2014年为2. 538%,相对误差率最大的是2016年为6. 441%,平均相对误差率为4. 25%。结论 ARIMA(0,1,1)模型拟合效果较好,可用于奉化区人口死亡率数据的短期预测。(本文来源于《中国农村卫生事业管理》期刊2019年07期）
鹿天宇,都莱娜,张雪伍[9]（2019）在《基于时间序列与PCA-BP组合模型的股价变化趋势研究》一文中研究指出为提高股票价格预测精度和效率,提出了一种时间序列与PCA-BP神经网络组合模型。先利用时间序列模型预测股价随时间变化的主趋势,再利用PCA-BP神经网络模型对股价变化主趋势外的随机变化进行预测,最后将两种模型的预测结果相加得到最终的股价预测结果。对华大基因公司2018年周股价进行仿真实验,结果表明ARIMA与PCABP神经网络组合股价预测模型的预测精度更高,能为股价预测提供有价值的参考。(本文来源于《农村经济与科技》期刊2019年11期）
李建勋,马美玲,郭建华,严峻[10]（2019）在《基于随机性分析的虚假趋势时间序列判别》一文中研究指出针对符合一定数据模式或规律的虚假数据识别问题,提出一种基于随机性分析的虚假趋势时间序列判别方法。该方法在分析时间序列组成的基础上,首先探索虚假趋势时间序列的简单伪造和复杂伪造方式,并将其分解为虚假趋势和虚假随机两部分;然后通过基函数逼近进行时间序列虚假趋势部分的提取,采用随机性理论开展虚假随机部分的分析;最终借助单比特频数和块内频数对虚假随机部分是否具备随机性进行检测,为具有一定趋势特征的虚假时间序列的判别提供了一个解决方案。实验结果表明:该方法能够有效地分解虚假时间序列和提取虚假趋势部分,实现简单伪造数据和复杂伪造数据的判别,支持对通过观测手段或者检测设备所获取的数值型数据的真伪分析,进一步提高了虚假数据可判别范围,平均判别正确率可达74.7%。(本文来源于《计算机应用》期刊2019年10期）
趋势序列论文开题报告范文
（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：
目的:运用季节性自回归移动平均混合(SARIMA)模型分析预测河北省手足口病发病趋势的可行性和适用性,为手足口病的防控工作提供决策依据。方法:利用R3.5.1软件对河北省2008年1月至2014年12月手足口病月发病率资料进行建模,并以2015年手足口病月发病率资料验证模型的预测效果。结果:模型SARIMA(1,1,1)(0,1,1)12较好地拟合了河北省手足口病月发病率资料,模型残差为白噪声序列(Ljung-Box Q=9.289,P=0.411),预测值与实际值的相对误差范围为0.924%～35.526%,平均相对误差为13.408%。结论:SARIMA模型可较好地反映河北省手足口病的发病趋势并进行短期预测。
（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。
趋势序列论文参考文献
[1].汤晶晶,李晋宏.基于趋势转折点边界面积的时间序列分段算法[J].软件.2019
[2].韩玲,王鸿,颜隆,高治理,贺娟.河北省手足口病发病趋势的时间序列分析[J].中华中医药杂志.2019
[3].王大维,汪浩.一种剔除GPS坐标时间序列非线性趋势项的方法[J].测绘与空间地理信息.2019
[4].张姝琪,张洪波,辛琛,南政年,李哲浩.水文序列趋势及形态变化的表征方法[J].水资源保护.2019
[5].张敏,巫国贵.基于时间序列法的大学生身体形态发展趋势研究[J].湖北体育科技.2019
[6].王汉卿,王启优,张春林,吴彦昭,张昌顺.甘肃省重点流域地表水资源量时间序列趋势变化研究[J].水利规划与设计.2019
[7].王建洪.基于趋势熵维数识别时间序列动量与反转效应的转换研究[J].统计与决策.2019
[8].邱莉琴,冯伟.1962-2016年奉化区人口死亡率趋势的时间序列分析[J].中国农村卫生事业管理.2019
[9].鹿天宇,都莱娜,张雪伍.基于时间序列与PCA-BP组合模型的股价变化趋势研究[J].农村经济与科技.2019
[10].李建勋,马美玲,郭建华,严峻.基于随机性分析的虚假趋势时间序列判别[J].计算机应用.2019