三民網路書店 中國圖書館分類法 / 數理科學和化學 / 數學 / 概率論與數理統計 / 平穩過程與二階矩過程

時間序列在現代生活中無處不在，它也是數據分析的重要對象。本書介紹時間序列分析的實用技巧，展示如何結合機器學習方法和傳統的統計方法來分析各類時間序列數據，並提供Python示例和R示例。本書共有17章，首先概覽時間序列分析的歷史，然後介紹數據的獲取、清洗、模擬和存儲，接著關注可用於時間序列分析的建模技術，最後探討時間序列分析在幾個常見領域中的應用。本書適合與時間序列打交道的數據分析師、數據工程師、數據科學家及其他相關從業人員閱讀。

本書以深度學習和多視圖學習為理論基礎，以序列數據為研究對象，為面向序列數據分析提供多視圖的學習方法與技術，同時為典型場景下的序列數據分析提供多視圖深度學習解決方案，以期為序列數據分析、多視圖學習領域的研究及應用提供參考。針對序列數據的動態性、突變性、不確定性和時空關聯性等特點，探討多視圖學習理論，構建面向序列數據的多視圖方法，概述基礎理論與傳統方法，並系統地介紹多視圖序列數據應用領域的研究理論、算法及成果。

本書教你如何從基於時間的數據（如日誌、客戶分析和其他事件流）中獲得即時、有意義的預測。在這本通俗易懂的書中，作者通過帶有注釋的Python代碼進行全面演示，你將學習用於時間序列預測的統計和深度學習方法。通過跟隨書中的實例鍛煉你的技能，你很快就會準備好建立自己的準確、有洞察力的預測。

本書分為8 章，內容包括時間序列分析的基礎知識、時間序列預測的常用方法，以及神經網絡在時間序列預測中的應用；時間序列異常檢測算法的技術與框架，如何識別異常的時間點及多種異常檢測方法；時間序列的相似性度量方法、聚類算法；多維時間序列在廣告分析和業務運維領域的應用，利用OLAP 技術對多維時間序列進行有效處理，通過根因分析技術獲得導致故障的維度和元素；智能運維領域（AIOps）和金融領域的兩個應用場景。

時間序列分析是統計學科的一個重要分支，它主要研究隨著時間的變化，事物發生、發展的過程，尋找事物發展變化的規律並預測未來的走勢。在日常生產和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應用于經濟、金融、天文、氣象、海洋、物理、化學、醫學、質量控制等諸多領域，成為眾多行業經常使用的統計方法。本書是基於Python編寫的入門級時間序列分析教材，主要內容包括時間序列分析簡介、時間序列的預處理、ARMA模型的性質、平穩序列的擬合與預測、無季節效應的非平穩序列分析、有季節效應的非平穩序列分析、多元時間序列分析。

時間序列分析是在工程技術領域和金融領域都有眾多應用的理論和方法。隨著我國的科技和經濟發展，時間序列分析正變得越來越重要。本書是高等院校“應用時間序列分析”課程的教材，是“北京大學數學教學系列叢書”《應用時間序列分析》的第二版，較系統地講授了應用時間序列分析的基本理論、方法及其應用，目的是使學生對時間序列分析的內容和方法有基本的瞭解，能夠用時間序列分析的基本方法處理簡單的時間序列數據。全書共分十章，內容主要包括：時間序列的分解、平穩序列、線性平穩序列、ARMA模型、時間序列的預報、潛週期模型、條件異方差模型、加窗譜估計和多維平穩序列介紹。每章配有適量習題和部分計算機作業。為適應我國金融領域的快速發展，本書第二版增加了條件異方差模型、單位根檢驗、t分佈白噪聲、時間序列的採樣定理等內容，進一步提升了本書的實用性。本書可作為理工類高年級本科生課程或其他學科類研究生課程的教材或教學參考書，也可以作為相關應用工作者的參考書。學習本書的先修課程是高等數學和概率統計。

本書以時間序列模型為基礎，以經濟學和管理學中的案例為載體，採用理論講解與數據分析案例實踐相結合的方式編寫而成。全書共9章，包括時間序列分析基礎、線性時間序列模型、單位根時間序列模型、非線性時間序列模型、協整時間序列模型、波動率模型、時間序列的機器學習方法、時間序列的深度學習方法和課程綜合案例等內容。本書配有PPT課件、教學大綱、數據集、R語言代碼、課後習題答案、模擬試卷及答案等教學資源，使用本書的老師可在人郵教育社區免費下載使用。本書不僅可以作為統計學、數據科學等相關專業本科生學習數據建模相關課程的教材，也可以作為研究生、政府人員和企業管理人員學習預測和決策方法的培訓書或自學書。

時間序列分析是概率統計學科中應用性很強的一個分支，具有非常特殊的、自成體系的一套理論和分析方法，在金融、經濟、氣象、水文、信號處理、工程技術等眾多領域得到了廣泛應用。《時間序列分析》以時間序列的統計特徵和建模步驟為主線，系統介紹時間序列的基本理論、建模和預測方法以及實踐應用，目的是使讀者掌握時間序列分析的基本理論、建模和預測的方法，並能分析時間序列的統計規律性，構造與之擬合的最佳數學模型，並進行預測。

本專著基於回聲狀態網絡有效處理時間序列分類和預測問題。第一，分析了面向時間序列分析的回聲狀態網絡；第二，提出了基於ESN的時間序列分類方法；第三，設計了基於回溯搜索算法優化ESN的時間序列預測模型；第四，研究了基於組合ESN的時間序列預測問題；第五，構建基於小波ESN的旅遊需求預測模型；第六，研究了基於雙儲備池ESN的電力需求預測問題。

本書是時間序列領域的經典之作，自1970年出版以來不斷修訂再版，歷經50年的檢驗始終都是時間序列領域的權威典範。四位作者也是學界赫赫有名、蜚聲世界的統計學大師，他們用詞簡潔並富有感染力，敘述通俗並強調實際應用，同時大量的實例更能使讀者很快體會其中直觀而深刻的時間序列分析精髓，掌握實踐的技巧。

複雜系統普遍存在於氣象、水文、工業、經濟、醫學等領域，其通常可以被抽象為具有多個層次、不同結構的單元，並按照一定的動力學規律發生相互作用。複雜性科學被稱為21世紀的科學，主要目標是揭示複雜系統的一些難以用現有科學方法解釋的動力學行為。2021年10月，諾貝爾物理學獎頒發給三位複雜系統領域專家，表彰他們“對理解複雜物理系統的開創性貢獻”，引發了新的研究熱潮。混沌時間序列廣泛存在於實際複雜系統中，多個變量之間存在著複雜的耦合關係。挖掘出時間序列數據中蘊含的有用信息，對實際複雜系統的分析與建模具有重要意義。本書以複雜系統產生的混沌時間序列為研究物件，針對混沌時間序列的特徵選擇、因果關係分析和特徵提取等問題展開研究，為模型構建合適的輸入特徵，並提升模型的精度和計算效率。全書共分為5章：第1章介紹本書的研究背景和意義，概述時間序列特徵分析的基本方法，並給出本書的主要研究內容；第2章論述了特徵選擇的概念和算法分類，重點介紹了基於互信息和灰色關聯分析的特徵選擇算法；第3章介紹了時間序列的因果關係分析方法，重點論述了項目組提出的多變量非線性因果分析模型；第4章在時間序列分解算法的基礎上，介紹了基於單一分解技術和兩層分解技術的組合預測模型；第5章以腦電時間序列為研究物件，重點介紹了腦電時間序列的特徵提取方法，並實現了腦電數據集的自動分類。本書第1、3、5章由任偉杰編著，第2、4章由韓敏編著。書中的研究內容來源於編著者及其指導研究生的研究成果，在此對參與研究工作的研究生表示感謝。在本書出版之際，李柏松、沈天宇參與了書稿的校核工作，在此表示感謝。本書得到了國家自然科學基金項目“複雜系統的高維混沌時間序列分析與預測研究”（61773087）的資助。由於編著者水平有限，書中難免存在不足之處，衷心希望讀者們批評指正。編著者2022年2月

《應用時間序列分析（第6版）》是基於SAS軟件的一本入門級本科生教材，詳細介紹了ARIMA模型和因素分解模型的思想、原理以及相關內容基於SAS軟件的實現步驟。本書也包括異方差分析（GARCH模型）和多元時序分析（干預分析和協整分析）的內容。這部分擴展內容既可根據教學需要用於課堂講授，也可以作為本科和碩士課程的銜接用於自學。

本書呈現了狀態空間方法關於時間序列分析的全面處理，分為兩個部分。第一部分討論了基於線性高斯狀態空間模型的分析技術，給出了基於狀態空間模型的時間序列分析方法論的新處理方法；第二部分討論了對狀態空間方法範圍的擴展，以涵蓋非高斯觀測序列。全書共分為十四章，分別為引言，局部水平模型，線性高斯狀態空間模型，濾波、平滑和預測，濾波和平滑的初始化，深入計算方面，參數極大似然估計，線性高斯模型應用的演示，非線性和非高斯模型特例，近似濾波與平滑，平滑的重要性採樣，粒子濾波，貝葉斯參數估計，以及非高斯和非線性演示。

本書以時間序列數據為研究對象,對時間序列數據的特徵表示和相似性度量進行較為深入和系統的研究,講述了如何從數據特徵的不同角度進行數據降維,結合設計相應的相似性度量方法實現時間序列數據挖掘,同時將相關的特徵表示和相似性度量方法應用于文本主題、經濟金融、情報分析和發動機參數等具體領域。全書分為 11章:第1章對研究的背景和現狀進行了分析,解釋了為什麼要研究時間序列數據的特徵表示和相似性度量。第2章至第6章從時間序列數據的不同視角出發,深入淺出地介紹了新的時間序列數據特徵表示和相似性度量等預處理方法。第7章到第10章以主題分析、股票預測、文獻分析、發動機參數特徵識別和故障檢測為目標,將時間序列數據挖掘中的特徵表示和相似性度量方法應用於解決具體行業中的相關管理科學問題。第11章對研究進行了總結,並提出了研究的創新和未來研究方向。本書的研究內容主要涉及統計學、計算機科學、經濟學和管理學等,適合從事經濟金融、電子信息、生物醫學、工業與工程等工作的技術人員、管理人員或有志從事相關領域科學研究的本科生、研究生學習或參考。通過閱讀和學習本書,讀者可以較好地瞭解時間序列數據挖掘與傳統時間序列數據分析的不同,為今後的時間序列數據的相關研究奠定基礎。

本書詳細闡釋了時間序列在醫學、生物學、物理學和社會科學領域的廣泛應用，並強調數據分析方法，對時域和頻域方法進行了全面的介紹。書中首先對時間序列分析的基礎知識、語言和方法進行了概述，然後介紹了ARMA模型和ARIMA模型，接下來介紹了頻譜分析與濾波以及頻譜估計，最後討論了一些特殊主題，例如GARCH模型、單位根檢驗等。

本書是根據教育部統計學教學指導分委員會新制定的《統計學專業教學規範（授經濟學學位）》所設計的課程體系和教學內容編寫的。本書遵循“通俗、易懂、實用”的原則，試圖借助計算機的存儲功能和計算功能來抽象掉時序分析方法的深奧數學理論和復雜運算，從而使具有一般數學知識的讀者可輕鬆掌握和運用時間序列分析方法。在闡述中，盡可能回避嚴格的數學推導和證明，而從系統運動的慣性（即記憶性）加以解釋和展開，或者說，本書把時

《時間序列混合智能辨識、建模與預測》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。第一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最新國際研究進展進行了歸納總結，系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系；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，包括基於特徵提取的GMDH神經網絡、長短期記憶深度網絡、卷積門限