|
Dòng
|
Nội dung
|
|
1
|
|
|
2
|
Phát triển mô hình dự báo lượng khí thải CO2 dựa trên phân tích chuỗi thời gian : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành: 8480201 / Đào Thị Bích Tuyền, Võ Thị Hồng Thắm (hướng dẫn)
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
x, 62 tr. : biểu đồ, bảng ; 29 cm.
Ký hiệu phân loại (DDC): 006.3
Giới thiệu chung và đề cập một cách khái quát hóa các nội dung như tính cấp thiết đề tài, mục đích, đối tượng, phạm vi nghiên cứu cũng như phương pháp tiếp cận đề tài. Dự báo lượng khí thải co2 và bài toán chuỗi thời gian.Trình bày các khái niệm và lý thuyết liên quan đến mô hình chuỗi thời gian .Mô hình dự báo lượng khí thải CO2 dựa trên phân tích chuỗi thời gian, đảm nhận vai trò bàn luận về các cơ sở lý thuyết cho tổng thể đề tài, bao gồm các lý thuyết, học thuật về thuật toán, giải thuật. Giới thiệu về các mô hình học máy, học sâu, cũng như các phương pháp khác để dự đoán.Đánh giá mô hình dự báo lượng khí thải CO2.Triển khai các mô hình và phân tích dữ liệu cụ thể của tập dữ liệu CO2-EIA. Mô tả thực hiện các thử nghiệm và phân tích kết quả dự đoán dựa trên dữ liệu thực tế. Ngoài ra, đề cập đến các công cụ, ngôn ngữ lập trình, và nguồn dữ liệu và nguyên liệu trong quá trình thực hiện đề tài nói chung và xây dựng các mô hình nói riêng. Qua đó, đưa ra kết luận những gì mà đề tài nghiên cứu đã đóng góp được, khẳng định các mô hình biến thể của LSTM sau khi tối ưu sẽ mang lại hiệu suất như thế nào. Đồng thời dựa vào các công việc nghiên cứu xem xét và đưa ra hướng phát triển cho đề tài nghiên cứu khoa học trong tương lai.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
3
|
|
|
4
|
Time series analysis / James D. Hamilton
New Jersey : Princeton University Press, 1994
xiv, 799 pages : illustrations ; 26 cm.
Ký hiệu phân loại (DDC): 519.55
The last decade has brought dramatic changes in the way that researchers analyze time series data. This much-needed book synthesizes all of the major recent advances and develops a single, coherent presentation of the current state of the art of this increasingly important field. James Hamilton provides for the first time a thorough and detailed textbook account of important innovations such as vector autoregressions, estimation by generalized method of moments, the economic and statistical consequences of unit roots, time-varying variances, and nonlinear time series models. In addition, Hamilton presents traditional tools for analyzing dynamic systems, including linear representations, autocovariance, generating functions, spectral analysis, and the Kalman filter, illustrating their usefulness both for economic theory and for studying and interpreting real-world data. This book is intended to provide students, researchers, and forecasters with a definitive, self-contained survey of dynamic systems, econometrics, and time series analysis.
Số bản sách:
(0)
Tài liệu số:
(1)
|
|
|
|
|