dps教程-第七章.pdfVIP

第七篇 时间序列分析 806 第 34 章 时间序列趋势分析 807 第 1 节 一次滑动平均模型 807 第 2 节 一次指数平滑模型 808 第 3 节 线性回归模型 809 第 4 节 二次滑动平均模型810 第 5 节 二次指数平滑模型 811 第 6 节 一次平滑模型 814 第 7 节 三次指数平滑模型 815 第 8 节 最优气候均态模型 816 1. 方法 816 2. 确定最优平均数准则 817 3. 计算步骤 817 第 35 章 时间序列周期分析 819 第 1 节 小波分析 819 1. 小波分析基本原理 819 2. DPS系统中小波分析 821 第 2 节 时间序列周期方差分析外推法822 1. 概述 822 2. 方差分析检验时间序列周期显著性的方法和步骤 823 3. DPS平台的操作示例 823 第 3 节 季节性水平模型 825 1. 方法简述 825 2. DPS平台的操作示例 828 第 4 节 季节性交乘趋势模型829 1. 方法简述 829 2. DPS平台的操作示例 832 第 5 节 季节性叠加趋势模型832 1. 方法简介 832 2. DPS平台的操作示例 835 第 36 章 平稳时间序列分析 837 第 1 节 取样间隔与插值处理837 1．概述 837 ·804 · 2．DPS平台操作 838 第 2 节 数据序列突变点的检测839 1．滑动的t检验法 (Moving t-test technique, MTT)839 2．Cramer法 840 3．Yamamot法 840 4．Mann-Kendall法 840 5．Pettitt法 841 6. 时间序列突变点检测分析实现 842 第 3 节 数据序列统计特性估计843 1. 均值和方差 843 2. 概率直方图和正态性检验 843 3. 数据的独立性检验 845 4. 非平稳趋势检验及其时间序列数据差分 846 5. DPS平台的操作示例 847 第 4 节 差分自回归移动平均(ARIMA)模型 849 1. 建模基本步骤 849 2. 预报模型类型 849 3. 模型的识别 850 4. 动态数据序列的相关分析与模型结构和阶次的辨识 851 5. 时间序列模型的参数估计 854 6. 模型检验及应用 856 7. 预测预报 857 8. DPS平台的操作示例 857 第 37 章 其他时间序列模型 864 第 1 节 季节-周期组合模型 864 1. 方法简介 864 2. DPS数据处理系统操作示例 865 第 2 节 多变量时间序列CAR模型 869 1. 方法简介 869 2. DPS平台的操作示例 872 第 3 节 门限自回归模型 875 1. 概述 875 2. DPS数据处理系统操作示例 878 第 4 节 均值生成函数预测模型880