一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

根据目前高炉炉温预报推理规则都是由高炉专家根据经验制定的情况,提出了一种新的规则生成方法——数据挖掘获取高炉炉温预报关联规则.针对现有挖掘算法的不足,提出了一种改进的多维时间序列模糊关联规则挖掘算法,该算法基于时间子序列和子序列间隔的双重模糊化,避免了挖掘结果\时间边界锐化\的问题.该算法应用于武钢的1#高炉,挖掘效果良好

一、自回归模型（AR） 由于经济系统惯性的作用，经济时间序列往往存在着前后依存关 系。最简单的一种前后依存关系就是变量当前的取值主要与其前一时 期的取值状况有关。用数学模型来描述这种关系就是如下的一阶自回 归模型：

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

第一节 时间序列的对比分析 第二节 时间序列的趋势分析 第三节 季节变动分析 第四节 循环波动分析

第12章时间序列分析和预测 一、时间序列的含义 又称(动态数列),是指标数值按时间顺序排列而形成的数列。 二、分析方法

通过本章的学习，了解时间序列的概念；掌握移动平均法和指数平滑法。 第一节 时间序列 第二节 移动平均法 第三节 指数平滑法

一、真回归和伪回归 二、时间序列平稳性的概念 三、时间序列的单位根检验（DF、ADF检验） 四、单整的概念 五、协整的概念和协整检验 六、误差修正模型 七、EViews应用

一、问题的引出:非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

 平稳性检验  纯随机性检验