1、時(shí)間序列分析與動(dòng)態(tài)數(shù)據(jù)建模楊位欽顧嵐編著目錄前言第一章采樣數(shù)據(jù)的檢驗(yàn)和預(yù)處理1.1采樣間隔和頻率混疊1.2均值、方差和概率直方圖1.3隨機(jī)數(shù)據(jù)的正態(tài)性檢驗(yàn)1.4隨機(jī)數(shù)據(jù)的獨(dú)立性檢驗(yàn)1.5非平穩(wěn)趨勢(shì)的檢驗(yàn)1.6剔點(diǎn)處理1.7提取趨勢(shì)項(xiàng)1.8隨機(jī)數(shù)據(jù)的周期性檢驗(yàn)第二章平穩(wěn)隨機(jī)過(guò)程及其模型2.1平穩(wěn)隨機(jī)過(guò)程2.2自協(xié)方差和自相關(guān)函數(shù)2.3典型離散參數(shù)模型1.純隨機(jī)過(guò)程一白噪聲2.一階自回歸過(guò)程3.二階自回歸過(guò)程4.n階自回歸 過(guò)程5.滑動(dòng)平均過(guò)程6.自回歸滑動(dòng)平均過(guò)程，格林函數(shù)和逆函數(shù)2.4平穩(wěn)隨機(jī)過(guò)程的頻率域表示1.頻譜分析的基本概念2.連續(xù)過(guò)程的功率譜和自協(xié)方差函數(shù)的關(guān)系 3.離散 過(guò)程的功率譜

2、和自協(xié)方差函數(shù)的關(guān)系4.基本線(xiàn)性模型的功率譜5.平穩(wěn)過(guò)程的譜展式第三章時(shí)間域模型的估計(jì)3.1自協(xié)方差和自相關(guān)函數(shù)的估計(jì)1.兩種估計(jì)方法2.關(guān)于協(xié)方差和自相關(guān)估計(jì)的巴特利（Bartlett）公式3.2模型參數(shù)的相關(guān)矩估計(jì)1.AR模型參數(shù)的矩估計(jì)2.MA模型參數(shù)的矩估計(jì)3.ARMA模型參數(shù)的矩估 計(jì)3.3模型參數(shù)的最小二乘估計(jì)（LS估計(jì)）1.最小二乘法2.AR模型參數(shù)的LS估計(jì)3.ARMA模型參數(shù)的LS估計(jì)3.4模型參數(shù)的極大似然估計(jì)（ML估計(jì)）1.極大似然估計(jì)2.AR、MA和ARMA模型參數(shù)的ML估計(jì)3.5模型階數(shù)的確定1.殘差方差圖2.偏相關(guān)函數(shù)和模型3.F檢驗(yàn)用于模型定階4.FPE，AIC，

3、BIC 準(zhǔn)則3.6時(shí)間序列建模的基本步驟1.波克斯一詹金斯（Box-Jenkins）方法 2.潘迪特一吳（Pandit-Wu）方法3.長(zhǎng) 自回歸白噪化建模方法4.參數(shù)初始估計(jì)的逆函數(shù)法第四章周期圖和加窗譜估計(jì)4.1隱周期的估計(jì)1.周期圖分析2.周期圖的樣本統(tǒng)計(jì)特性3.周期圖的峰值檢驗(yàn)4.2功率譜密度的周期圖估計(jì)1.修正周期圖與功率譜估計(jì)2.樣本周期圖的方差4.3功率譜估計(jì)的兩種基本方法4.4窗函數(shù)1.窗函數(shù)與譜的分辨力和泄漏2.幾種常用的窗函數(shù)4.5富氏變換的細(xì)化與高分辨力譜分析第五章極大熵譜估計(jì)5.1譜炳和極大炳準(zhǔn)則1.問(wèn)題的提出2.高斯過(guò)程的嫡和嫡率3.功率譜和嫡率的關(guān)系5.2極大熵準(zhǔn)則的

4、譜估計(jì)5.3極大熵譜估計(jì)的伯格（Burg）算法5.4極大熵譜估計(jì)的LS-LUD算法第六章時(shí)間序列的預(yù)報(bào)6.1平穩(wěn)線(xiàn)性最小方差預(yù)報(bào)的概念1.定義和幾何直觀解釋2.最小方差預(yù)報(bào)的性質(zhì)AR和MA序列的預(yù)報(bào)方法ARMA序列的預(yù)報(bào)方法6.4時(shí)間序列的新息實(shí)時(shí)預(yù)報(bào)1.新息預(yù)報(bào)的原理2.新息定理及實(shí)時(shí)預(yù)報(bào)的漸近性質(zhì)第七章 多變量時(shí)間序列7.1多變量平穩(wěn)過(guò)程的相關(guān)和譜特性1.雙變量過(guò)程的相關(guān)特性2.雙變量過(guò)程的譜特性3.雙變量過(guò)程舉例4.一般 多變量過(guò)程7.2具有線(xiàn)性關(guān)系的多變量過(guò)程譜分析1.嚴(yán)格線(xiàn)性關(guān)系的情況2.附加噪聲時(shí)的線(xiàn)性關(guān)系7.3互譜特性和傳遞函數(shù)的估計(jì)7.4多變量過(guò)程的時(shí)間域模型1.多變量過(guò)程的矩

5、陣差分方程表示2.多變量AR模型的參數(shù)估計(jì)3.多變量AR 模型的預(yù)報(bào)和定階第八章一些特定形式的模型8.1趨勢(shì)性和季節(jié)性模型1.ARIMA模型2.乘積型季節(jié)性模型3.組合模型8.2混合回歸模型及疏系數(shù)模型1.一般線(xiàn)性回歸模型及參數(shù)的線(xiàn)性最小二乘估計(jì)2.混合回歸模型3.挑選回歸 變?cè)慕艫IC準(zhǔn)則及疏系數(shù)模型4.實(shí)例分析8.3門(mén)限回歸（自回歸）模型1.門(mén)限回歸（自回歸）模型的定義2.門(mén)限自回歸模型的特性3.門(mén)限回歸（自 回歸）模型的建立4.門(mén)限回歸（自回歸）模型的預(yù)報(bào)5.實(shí)例分析8.4雙線(xiàn)性模型和指數(shù)自回歸模型1.雙線(xiàn)性模型2.指數(shù)自回歸模型8.5自適應(yīng)AR模型1.自適應(yīng)AR模型的構(gòu)造原理 2.

6、最速下降法及其漸近性質(zhì) 3.最小均方差（LMS）自適應(yīng)算法及其收斂性4.自適應(yīng)模型用于預(yù)報(bào)附錄一富氏變換及其算法富氏變換（FT）和離散富氏變換（DFT）采樣定理FT，DFT，F(xiàn)S （富氏級(jí)數(shù)）間的關(guān)系DFT的快速算法一FFT兩個(gè)實(shí)序列的同時(shí)變換相關(guān)函數(shù)的快速計(jì)算附錄二 時(shí)間序列分析與建模程序說(shuō)明隨機(jī)過(guò)程數(shù)據(jù)產(chǎn)生序列（DAGENT）樣本均值和樣本方差計(jì)算（SMSV）直方圖的計(jì)算和正態(tài)性檢驗(yàn)（PDFH）隨機(jī)數(shù)據(jù)的獨(dú)立性檢驗(yàn)（TESTI）隨機(jī)數(shù)據(jù)中的隱含周期檢驗(yàn)（TESTP）多項(xiàng)式的提取（POLYTR）逆序檢驗(yàn)（INORD）游程檢驗(yàn)（RUNTES）格林函數(shù)的計(jì)算（GREENF）10.逆函數(shù)的計(jì)算（I

7、NF）11.朱利準(zhǔn)則（J URYC）.理論自相關(guān)函數(shù)的計(jì)算（AUTOCR）.偏相關(guān)函數(shù)的遞推計(jì)算（PARCR）ARMA 譜的計(jì)算（ARMASP）樣本自相關(guān)和互相關(guān)的快速計(jì)算（CORELA）逆函數(shù)法估計(jì)模型參數(shù)的初值（INGUS）ARMA模型參數(shù)的矩估計(jì)（ARMAME）模型參數(shù)的線(xiàn)性最小二乘估計(jì)（LSME）模型參數(shù)的麥夸特阻尼最小二乘估計(jì)（MARQT）直接法的譜估計(jì)（PMPSD）相關(guān)函數(shù)加窗譜估計(jì)（CMPSD）極大熵譜估計(jì)的伯格算法（MEBURG）預(yù)報(bào)的逆函數(shù)法（INVERF）預(yù)報(bào)矢量法（VECTF）多變量自回歸模型的參數(shù)估計(jì)（MVAR）混合回歸模型及疏系數(shù)模型的估計(jì)（SMLR）門(mén)限回歸模型的估計(jì)（TREG）雙線(xiàn)性模型的