为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

一、时间序列自回归模型 二、时间序列向量自回归模型 三、格兰杰因果关系检验 四、格兰杰因果在脑电中的应用 五、补充知识

在已进行的齿轮点蚀疲劳寿命预测计算模型的研究基础上,应用随机时间序列分析技术分析处理计算模型中随时间变化的因素,从理论上解决了齿轮寿命预测中的难点,建立了齿轮点蚀疲劳寿命预测的方法系统

运城学院：《应用时间序列分析》课程教学大纲（应用统计专业）

运城学院：《应用时间序列分析》课程实验教学大纲（应用统计专业）

《应用时间序列分析》课程教学资源（PPT课件）第一章 基本概念与研究方法

《应用时间序列分析》课程教学资源（PPT课件）第三章 ARMA模型的特性

广东财经大学：统计与数学学院《应用时间序列分析》课程教学大纲

东北大学：某学院应用统计学专业《时间序列分析》课程教学大纲

《计量经济学》课程教学资源（书籍文献）时间序列分析《应用计量经济学》书籍教材PDF电子版（高等教育出版社，[美]沃尔特·恩德斯 Walter Enders著，第二版）