《時間序列混合智能辨識、建模與預(yù)測》提出了時間序列混合智能辨識、建模與預(yù)測的理論和方法。內(nèi)容分四篇共16章。第一篇闡述了時間序列分析的重要性，從文獻(xiàn)計量學(xué)的角度對時間序列的最新國際研究進(jìn)展進(jìn)行了歸納總結(jié)，系統(tǒng)闡述了當(dāng)前國內(nèi)外主流時間序列辨識、建模與預(yù)測的計算策略和經(jīng)典算法體系；第二篇介紹了鐵路沿線風(fēng)速混合智能辨識、建模與預(yù)測理論方法，包括基于特征提取的GMDH神經(jīng)網(wǎng)絡(luò)、長短期記憶深度網(wǎng)絡(luò)、卷積門限循環(huán)單元網(wǎng)絡(luò)、Boosting集成預(yù)測和Stacking集成預(yù)測模型；第三篇提供了智慧城市大氣污染物濃度的特征分析方法及濃度時間序列建模與預(yù)測模型，包括點(diǎn)預(yù)測、區(qū)間預(yù)測、聚類混合預(yù)測和時空混合預(yù)測等理論；第四篇對金融股票價格時間序列進(jìn)行特征提取與混合預(yù)測，包括貝葉斯統(tǒng)計預(yù)測模型、BP/Elman/RBF等神經(jīng)網(wǎng)絡(luò)預(yù)測模型、CNN/LSTM/BiLSTM等深度網(wǎng)絡(luò)預(yù)測模型�！稌r間序列混合智能辨識、建模與預(yù)測》提供了各類模型的預(yù)測實(shí)例。

更多科學(xué)出版社服務(wù)，請掃碼獲取。