时间序列分析的样本数据，1700-1987年太阳黑子数据，有的量纲不一样，可根据需求乘以10等处理，不影响分析结果
2015/1/4 20:57:07
4KB
1
《时间序列分析及应用:R语言原书第2版》以易于理解的方式讲述了时间序列模型及其应用主要内容包括：趋势平稳时间序列模型非平稳时间序列模型模型识别参数估计模型诊断预测季节模型时间序列回归模型异方差时间序列模型谱分析入门谱估计门限模型对所有的思想和方法都用真实数据集和模仿数据集进行了说明《时间序列分析及应用:R语言原书第2版》可作为高等院校统计经济商科工程及定量社会科学等专业学生的教材或教学参考书同时也可供相关技术人员使用"＞《时间序列分析及应用:R语言原书第2版》以易于理解的方式讲述了时间序列模型及其应用主要内容包括：趋势平稳时间序列模型非平稳时间序列模型模型识别参数估计模型诊断预测季节模型时间序列回归模[更多]
2021/8/15 16:15:30
33.55MB
1
线性规划、常微分方程的解法、马氏链模型、神经网络模型、偏最小二乘、回归时间序列、灰色系统理论及其使用、对策论、排队论、方差分析等29个数学建模必备通用模型及matlab解法
2019/9/1 5:36:51
7.28MB
1
在matlab中实现ARIMA时间序列预测。
函数方式如下：function[result]=ARIMA_algorithm(data,Periodicity,ACF_P,PACF_Q,n)其中data为预测所用的数据，为一维列向量；
Periodicity为数据的周期；
ACF_P和PACF_Q分别是p值和q值；
n为想要预测的数据的个数。
所返回的结果result是预测出来的数据（一维列向量），同时会画出预测数据的折线图。
函数方式如下：function[result]=ARIMA_algorithm(data,Periodicity,ACF_P,PACF_Q,n)其中data为预测所用的数据，为一维列向量；
Periodicity为数据的周期；
ACF_P和PACF_Q分别是p值和q值；
n为想要预测的数据的个数。
所返回的结果result是预测出来的数据（一维列向量），同时会画出预测数据的折线图。
2019/11/13 20:27:54
2KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB