內容簡介
本書提出了時間序列混合智能辨識、建模與預測的理論和方法。內容分四篇共16章。篇闡述了時間序列分析的重要性,從文獻計量學的角度對時間序列的**國際研究進展進行了歸納總結,繫統闡述了當前國內外主流時間序列辨識、建模與預測的計算策略和經典算法體繫;第二篇介紹了鐵路沿線風速混合智能辨識、建模與預測理論方法,包括基於特征提取的GMDH神經網絡、長短期記憶深度網絡、卷積門限網絡、Boosting集成預測和Stacking集成預測模型;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測模型,包括點預測、區間預測、聚類混合預測和時空混合預測等理論;第四篇對金融股票價格時間序列進行特征提取與混合預測,包括貝葉斯統計預測模型、BP/Elman/RBF等神經網絡預測模型、CNN/LSTM/BiLSTM等深度網絡預測模型。本書提供了各類模型的預測實例。