時間數列分析在偵測型態結構差異上之探討
依時間順序出現之一連串觀測值，通常會呈現某一型態，而根據所產生的 型態可以作為判斷事件發生的基礎。例如，震波形成原因的判斷﹔追查環 境污染源﹔以及在醫學方面，辨識一個正常人心電圖的型態與患有心臟病 的病人其心電圖的型態…等。對於這些問題，傳統之辨識方法常因前提假 設的限制而失去其準確性。在本文中，我們應用神經網路中的逆向傳播演 算法則來訓練網路，並利用此受過訓練的網路來辨別線性時間數列ARIMA 及非線性時間數列 BL(1,0,1,1)。結果發現，網路對於模擬資料中雙線性 係數介於0.2至$0.8$之間的資料有高達$80\%$以上的辨識能力。而在實例 研究中，我們訓練網路來判斷震波形成的原因，...
| Main Authors: | , |
|---|---|
| Language: | 中文 |
| Published: |
國立政治大學
|
| Subjects: | |
| Online Access: | http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22B2002004195%22. |