1) combined chaotic time series
联合混沌时间序列
2) chaotic time series
混沌时间序列
1.
Prediction of chaotic time series using self-organizing fuzzy neural networks with entropy criterion;
基于熵判据自组织模糊神经网络的混沌时间序列预测
2.
Prediction for chaotic time series based on phase reconstruction of multivariate time series;
基于多变量相重构的混沌时间序列预测
3.
Chaotic Time Series Forecasting and Its Applications in Power System s Short-term Load Forecasting;
混沌时间序列的预测及其在电力系统短期负荷预测中的应用
3) chaos time series
混沌时间序列
1.
Trend prediction based on chaos time series for rotating machine sets;
基于混沌时间序列的旋转机械状态趋势预测研究
2.
A new soft-sensing model of current crude copper composition based on the chaos time series of foregone crude copper composition was established by using the phase-space reconstruction theory and the method of maximum Lyapunov exponent and by updating samples in time.
将转炉产粗铜成分的以往化验数据作为二次变量,化验数据严重滞后的当前炉次粗铜成分作为主导变量,并以延迟时间τ=2(炉次)将转炉粗铜成分时间序列分成两个子时间序列,采用重构相空间理论、最大Lyapunov指数方法和样本及时更新的办法,建立了一种仅对当前炉次的炼铜转炉粗铜成分进行软测量的混沌时间序列软测量模型。
3.
Chaos time series which includes very abundant and profound meaning has widely applications.
混沌时间序列有着极为丰富和深刻的内涵,而且应用非常广泛。
4) chaotic time-series
混沌时间序列
1.
Application of chaotic time-series in slope displacement forecasting;
混沌时间序列在边坡位移预测中的应用
2.
Prediction of chaotic time-series based on online wavelet support vector regression;
基于在线小波支持向量回归的混沌时间序列预测
5) chaotic runoff time series
混沌径流时间序列
1.
In this paper introduced Artificial Neural Networks(ANN),which is different from tradition way and has been used to take out the dimension of the chaotic runoff time series of reservoirs.
区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。
6) chaotic time series prediction
混沌时间序列预测
1.
Reservoir neural state reconstruction and chaotic time series prediction;
储备池状态空间重构与混沌时间序列预测
2.
Multiple clusters echo state network for chaotic time series prediction
用于混沌时间序列预测的多簇回响状态网络
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条