O texto nas imagens pode ser traduzido
Teoria e método de previsão e sua implementação MATLAB de síntese de ciência e tecnologia
Preço por unidade incluindo frete para o Brasil
Quantidade
Produto selecionado
Especificações do produto
Editora
Beijing University of Aeronautics and Astronautics press
Autor
Xu Guogen and others
Data de publicação
2020.09
Título
Prediction theory and method and its MATLAB implementation of science and technology synthesis
Foit
16 Open
Número do livro
9787512433342
Preço do livro
68.00
Editora
Beijing University of Aeronautics and Astronautics press
Autor
Xu Guogen and others
Data de publicação
2020.09
Título
Prediction theory and method and its MATLAB implementation of science and technology synthesis
Foit
16 Open
Número do livro
9787512433342
Preço do livro
68.00
Editora
Beijing University of Aeronautics and Astronautics press
Autor
Xu Guogen and others
Data de publicação
2020.09
Título
Prediction theory and method and its MATLAB implementation of science and technology synthesis
Foit
16 Open
Número do livro
9787512433342
Preço do livro
68.00
Detalhes do produto
Texto da imagem traduzido automaticamente
| Índice | |
|
●Capítulo 1 Visão geral da previsão 1 1.1 Classificação de Previsão 1 1.2 Etapa 2 da previsão 1.3 Precisão da previsão 4 Capítulo 2 Métodos de Previsão Qualitativa 6 2.1 Método de previsão de pesquisa de mercado 6 2.1.1 Método de previsão de pesquisa de opinião do pessoal de gestão 6 2.1.2 Método de previsão de pesquisa de opinião de vendedores 7 2.1.3 Métodos de pesquisa e previsão de exposições de produtos e feiras comerciais 7 2.1.4 Método de previsão de pesquisa de marketing de teste 8 2.2 Método de Previsão de Opinião Coletiva 8 2.3 Método de previsão de reunião de especialistas 8 2.3.1 Método de conferência de confronto 8 2.3.2 Método de reunião não confrontacional 8 2.3.3 Método de reunião híbrida 9 2.3.4 Brainstorming 9 2.3.5 Método Delphi10 2.4 Método de previsão por analogia 13 2.4.1 Princípios básicos da predição analógica 13 2.4.2 Aplicação do método de predição analógica 14 2.5 Método do Índice de Difusão 14 Capítulo 3 Método de previsão de análise de regressão 16 3.1 Visão geral do método de previsão da análise de regressão 16 3.1.1 Hipóteses básicas do modelo de regressão 17 3.1.2 Correlação e causalidade 18 3.1.3 Coeficiente de correlação 19 3.1.4 Outliers, pontos de alta alavancagem, observações fortemente influentes e valores ausentes 21 3.2 Método de previsão de análise de regressão linear univariada 22 3.2.1 Modelo de Regressão Linear Univariada 22 3.2.2 Teste da equação de regressão 22 3.2.3 Previsão do modelo de regressão 25 3.3 Método de previsão de análise de regressão linear múltipla 26 3.3.1 Modelo de Regressão Linear Múltipla 26 3.3.2 Teste da equação de regressão 27 3.3.3 Previsão do modelo de regressão 28 3.3.4 Modelo de regressão com restrições 28 3.4 Modelos de regressão que violam as suposições básicas da regressão 29 3.4.1 Multicolinearidade 29 3.4.2 Estimativa de regressão stepwise e regressão ridge 33 3.4.3 Autocorrelação 35 3.4.4 Heterocedasticidade 41 3.4.5 Variáveis independentes aleatórias e erros de especificação do modelo 47 3.4.6 Estimativa de parâmetros de regressão para dados médios agrupados de observações amostrais 48 3.4.7 Viés de formulação do modelo 49 3.4.8 Erros de observação das variáveis do modelo 50 3.5 Método de previsão de análise de regressão não linear 50 3.5.1 Modelos comumente usados que podem ser transformados em regressão linear univariada 50 3.5.2 Regressão Polinomial Univariada 52 3.6 Método de previsão de análise de regressão logística binomial 53 3.6.1 Modelo de regressão logística binomial 53 3.6.2 Modelo Logístico Misto 53 3.6.3 Métodos de estimativa para modelos logísticos 54 3.6.4 Teste de significância 58 3.7 Método de predição do modelo de regressão de variáveis discretas 59 3.7.1 Modelo de regressão com variáveis fictícias 59 3.7.2 Modelo de regressão de Poisson 64 3.7.3 Modelo de regressão binomial negativa 65 3.8 Método de previsão de mínimos quadrados parciais 66 3.8.1 Modelo de regressão de componentes principais 66 3.8.2 Modelo de regressão de mínimos quadrados parciais 69 3.9 Método de predição do modelo de regressão de equações simultâneas 71 3.9.1 Classificação de variáveis e equações 71 3.9.2 Tipos de modelos de equações simultâneas 71 3.9.3 Identificação de modelos de equações simultâneas 73 3.9.4 Métodos de estimativa para modelos de equações simultâneas 74 3.10 Previsão de modelo de defasagem distribuída e modelo autorregressivo 77 3.10.1 Efeitos de curto e longo prazo 78 3.10.2 Métodos de Estimativa Direta para Modelos de Defasagem Distribuída 78 3.10.3 Modelos autorregressivos 81 3.10.4 Estimativa de modelos autorregressivos 83 3.11 Prática de Análise de Regressão e Predição do MATLAB 88 Capítulo 4 Previsão de séries temporais 123 4.1 Visão geral da série temporal 123 4.1.1 Conceitos básicos de séries temporais 123 4.1.2 Características das séries temporais 125 4.1.3 Identificação de características de séries temporais 126 4.1.4 Processamento de dados não estacionários 128 4.2 Modelo de previsão de suavização exponencial 129 4.2.1 Método de previsão da média móvel 129 4.2.2 Método de previsão de suavização exponencial 130 4.2.3 Método de previsão de suavização exponencial de Holt 132 4.2.4 Método de previsão de suavização exponencial de Holt-Winters 133 4.2.5 Previsão de séries temporais com características sazonais 134 4.3 Modelo de Processo Autorregressivo AR(p) 135 4.3.1 Condições estacionárias para autorregressão 135 4.3.2 Coeficiente de autocorrelação de um processo autorregressivo 136 4.3.3 Identificação, estimativa e teste de processos autorregressivos 137 4.4 Modelo de processo de média móvel MA(q) 138 4.4.1 Condições de transformação do processo de média móvel 138 4.4.2 Coeficiente de autocorrelação do processo de média móvel 139 4.4.3 Identificação, Estimativa e Teste de Processos de Média Móvel 139 4.5 Modelo de média móvel autorregressiva ARMA(p,q) 140 4.5.1 O conceito de modelo de média móvel autorregressiva 140 4.5.2 Identificação, determinação de ordem e teste de modelos ARMA 140 4.6 ARIMA Modelo 142 4.7 Modelo de Heterocedasticidade Condicional (ARCH) 142 4.8 Método da função geradora média 143 4.8.1 Função geradora de média 143 4.8.2 Modelo de previsão de extensão de ciclo 144 4.8.3 Modelagem diferencial bidirecional de dados dinâmicos 148 4.8.4 Análise e Modelagem de Séries Temporais 0-1 152 4.9 Previsão de séries temporais no MATLAB 153 Capítulo 5 Método de previsão da cadeia de Markov 168 5.1 Conhecimento básico 168 5.1.1 Conceitos básicos 168 5.1.2 Distribuições Estacionárias e Ergodicidade 169 5.2 Particionamento do Espaço de Estado 170 5.2.1 Método de agrupamento empírico 170 5.2.2 Método de classificação da média amostral e do erro quadrático médio 170 5.2.3 Método de agrupamento de amostras ordenadas 171 5.3 Cálculo e teste de probabilidades de transição 172 5.3.1 Cálculo da probabilidade de transição da cadeia de Markov 172 5.3.2 Teste de Martensiticidade 173 5.3.3 Testes de homogeneidade 173 5.4 Modelo de previsão da cadeia de Markov 173 5.4.1 Método de predição da cadeia de Markov baseado na distribuição absoluta 173 5.4.2 Método de predição de cadeia de Markov de superposição 174 5.4.3 Método de predição de cadeia de Markov ponderada 175 5.4.4 Método de Predição da Cadeia de Markov Absorvente 175 5.5 Prática MATLAB do Método de Predição da Cadeia de Markov 176 Capítulo 6 Previsão Cinzenta 186 6.1 Conhecimento básico do sistema cinza 186 6.1.1 Número cinza 186 6.1.2 Clareamento de escala de cinza e escala de cinza 187 6.1.3 Operador de geração de sequência cinza 187 6.2 Análise de Cinza 189 6.2.1 Análise de correlação de cinza 189 6.2.2 Operadores de Chave Adimensionais 190 6.2.3 Pré-processamento de dados 201 6.2.4 Principais etapas da análise de associação 191 6.3 Modelagem do sistema cinza 202 6.3.1 Modelo GM(1,1) 209 6.3.2 Teste do modelo GM(1,1) 193 6.3.3 Modelo de correção residual GM(1,1) 194 6.3.4 GM(M,N) Modelo 205 6.3.5 GM(1,N) Modelo 206 6.3.6 GM(0,N) Modelo 207 6.3.7 Modelo Gray-Verhulst 197 6.3.8 GM(1,1) Modelo de potência 208 6.3.9 Modelo de previsão de desastres cinza 198 6.4 Melhoria do modelo 199 6.4.1 Modelo melhorado com base na correção residual 199 6.4.2 Modelo melhorado com base nas condições iniciais e atualização de informações 200 6.4.3 Modelo melhorado com base na transformação de dados 201 6.4.4 Modelo melhorado para mecanismo de modelagem interna 204 6.5 Método de previsão de cinza no MATLAB 206 Capítulo 7 Método de predição de rede neural artificial 211 7.1 Noções básicas de redes neurais artificiais 211 7.1.1 Neurônios Artificiais 211 7.1.2 Função de transferência 212 7.1.3 Topologia de rede 212 7.1.4 Projeto de estrutura de rede 215 7.1.5 Regras de aprendizagem para redes neurais 215 7.1.6 Classificação e características das redes neurais 216 7.2 BP Rede Neural Artificial 217 7.2.1 Algoritmo BP 217 7.2.2 Melhoria do Algoritmo BP 218 7.3 Rede Neural de Função de Base Radial (RBF) 219 7.3.1 Estrutura RBF e Algoritmo de Aprendizagem 219 7.3.2 Comparação entre a rede neural RBF e a rede neural BP 221 7.4 Pontos-chave na aplicação de redes neurais artificiais 221 7.5 Desvantagens da Abordagem de Rede Neural Artificial 223 7.6 Prática MATLAB do Método de Predição de Redes Neurais Artificiais 223 Capítulo 8 Método de previsão baseado na teoria fractal 233 8.1 Noções básicas da teoria fractal 233 8.1.1 A Teoria Fractal 233 8.1.2 Definição de fractais 234 8.1.3 Características dos fractais 234 8.1.4 Definição de dimensão fractal 236 8.2 Previsão fractal de dimensão constante e de dimensão variável 238 8.3 Índice de Hurst e Análise R/S de Séries Temporais 239 8.3.1 Índice de Hurst e sua previsão fractal 239 8.3.2 Método de reconstrução do espaço de fase tomado 240 8.4 Prática MATLAB baseada no método de previsão da teoria fractal 243 Capítulo 9 Método de previsão baseado na análise de wavelets 247 9.1 Fundamentos matemáticos da análise wavelet 247 9.1.1 Definição de Wavelets 248 9.1.2 Transformada Wavelet 250 9.1.3 Escolha da função wavelet 251 9.2 Análise multirresolução 251 9.2.1 Princípios básicos da análise multi-resolução 252 9.2.2 Algoritmo de Mallat 252 9.3 Análise de pacotes wavelet 253 9.3.1 Definição de Pacote Wavelet 254 9.3.2 Algoritmo de decomposição e reconstrução de pacotes wavelet 254 9.4 Previsão de Wavelet de Séries Temporais 255 9.4.1 Ideia básica do modelo de previsão wavelet 255 9.4.2 Etapas básicas do método de previsão wavelet 256 9.5 Prática MATLAB baseada no método de previsão de análise wavelet 257 Capítulo 10 Previsão de Máquina de Vetores de Suporte 264 10.1 Fundamentos teóricos das máquinas de vetores de suporte 264 10.1.1 Dimensão VC 264 10.1.2 Risco Esperado 264 10.1.3 Minimização de Riscos Estruturais 265 10.2 Máquinas de vetores de suporte 266 10.2.1 Caso linearmente separável 266 10.2.2 Inseparabilidade Linear 267 10.3 Regressão da Máquina de Vetores de Suporte 269 10.3.1 Função de Perda 269 10.3.2 Regressão Linear 270 10.3.3 Regressão não linear 270 10.3.4 Máquina de vetores de suporte de mínimos quadrados Regressão 271 10.4 Modelo de previsão de máquina de vetores de suporte 272 10.5 Método de previsão da máquina de vetores de suporte no MATLAB 275 Capítulo 11 Método de previsão fuzzy 278 11.1 Fundamentos teóricos dos sistemas fuzzy 278 11.1.1 Conjuntos Fuzzy 278 11.1.2 Relacionamentos Fuzzy 280 11.1.3 Medição de conjuntos fuzzy 282 11.1.4 Regras Fuzzy e Raciocínio 283 11.2 Modelo de previsão fuzzy 284 11.2.1 Modelo de previsão de agrupamento fuzzy 284 11.2.2 Modelo de previsão de análise de séries temporais fuzzy 286 11.2.3 Modelo de previsão de análise de regressão fuzzy 288 11.2.4 Modelo de predição de rede neural fuzzy 290 11.3 Prática do Método de Predição Fuzzy do MATLAB 292 Capítulo 12 Método de Previsão Combinada 301 12.1 Tecnologia de Previsão Combinada 301 12.2 Métodos de avaliação de desempenho de previsão 302 12.2.1 Índice de Precisão 302 12.2.2 Testes fora da amostra e dentro da amostra 303 12.2.3 Método de avaliação de distância de distorção temporal dinâmica 303 12.2.4 Método de avaliação da eficácia da predição de segunda ordem 303 12.2.5 Precisão do modelo de previsão 304 12.3 Método de combinação de modelos 305 12.3.1 Modelo de previsão de Markov Grey 305 12.3.2 Modelo de previsão de regressão linear cinza 306 12.3.3 Modelo de predição híbrida de rede neural ARIMA 496 12.4 Método de combinação de resultados 307 12.4.1 Método de predição de modelo de combinação não ótima 308 12.4.2 Método de previsão do modelo de combinação ideal 309 12.5 Modelo de previsão combinado baseado em pré-processamento de dados 315 12.6 Modelo de predição combinado baseado em parâmetros do modelo e otimização da estrutura 315 12.7 Modelo de previsão combinado baseado em tecnologia de correção de erros 494 12.8 Prática do Método de Previsão Combinada MATLAB 318 Referência 330 |
| breve introdução | |
| Este livro é uma das séries de aplicativos MATLAB escritas pelo autor, que também inclui "Implementação MATLAB de Reconhecimento de Padrões e Computação Inteligente (2ª Edição)" e "Métodos de Otimização e Sua Implementação MATLAB". Este livro explica a tecnologia de previsão de acordo com os três conteúdos de base teórica, modelo de algoritmo e exemplo. Ele se concentra na introdução de programas de algoritmo e exemplos de aplicação, introduz brevemente a tecnologia de previsão qualitativa e introduz em detalhes tecnologias de previsão quantitativa comumente usadas, como análise de regressão, séries temporais, redes neurais e sistemas cinza. Este livro pode ser usado como um livro-texto ou livro de referência de ensino para alunos de graduação ou pós-graduação com especialização em engenharia industrial, ciência da administração e engenharia e economia e finanças em faculdades e universidades. Ele também pode ser usado como uma referência para negócios, produção e operação, finanças e outros profissionais, organizações ou gerentes, pesquisadores de ciências naturais e entusiastas de modelagem matemática que precisam conduzir atividades de previsão. |
Total
Entrega
ICMS
PIS e COFINS
Outro
Produtos similares
