時間序列預測智能技術

近年來，隨著人工智能理論與技術的發展，一些新的神經網絡、機器學習以及深度學習算法被應用於時間序列的預測之中，這些算法或模型能從多尺度的深層特征中探索數據內部之間的關聯，從而 好地展示出時間序列的非線性和覆雜動態。本書介紹了時間序列的智能辨識、建模與預測的理論和方法, 並用實際數據進行了實證分析。全書共13章，主要內容包括時間序列的基本概念與數據處理；時間序列特性分析；基於傳統統計學、神經網絡、深度學習、LSSVM的各類單一預測模型；基於線性/非線性集成、多模型加權以及基於分解算法的組合預測模型；時間序列降維與軟測量；時間序列預測智能技術在實際應用中的展望。本書可供人工智能、控制科學與工程、計算機科學與技術、儀器科學與技術等相關專業的研究者、科研人員和工程技術人員及高等院校相關專業師生閱讀參考。