本文是为大家整理的AR模型主题相关的10篇毕业论文文献，包括5篇期刊论文和5篇学位论文，为AR模型选题相关人员撰写毕业论文提供参考。

1.[期刊论文]基于ECM模型和AR模型的我国境内新型冠状病毒COVID-19疫情数据仿真

期刊：《楚雄师范学院学报》 | 2020 年第 006 期

摘要：我国境内COVID-19疫情数据仿真,对疫情研判具有一定指导意义.使用2020年1月20日至3月19日国家卫健委公布的疫情数据,建立误差修正模型(ECM)和自回归模型(AR)进行疫情数据仿真.ECM建模,R2为0.9439,模型t检验相伴概率小于0.05,差异显著;治愈率和累计确诊病例数两个AR模型,阶数分别为6和7,R2分别为0.9998和0.9974,F检验、t检验模型相伴概率都小于0.05,差异都显著,残差都是白噪声.ECM模型揭示可根据上一日的新增疑似病例数、新增确诊病例数定量估算当日的新增确诊病例数;随时间推移,新增确诊病例数和新增疑似病例数同步减少.AR模型估算表明:累计确诊病例数于2020年3月1日以后增长放缓并趋于稳定;到第60天(2020年3月19日),治愈率达到87.8278％,对应样本计算值为87.8753％,相对误差为0.0514％;到第60天全国累计确诊病例仿真值为81796.0989例,相对误差1.0240％.基于具有较强相关性的我国境内COVID-19疫情数据,本研究建立的ECM模型和两个AR模型的仿真度高,计算结果误差较小、精度较高,仿真结果可用于其他相关疫情指标的估算,不会因此造成误差放大.

关键词：COVID-19；疫情时序数据；误差修正模型；自回归模型；仿真

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_journal-chuxiong-normal-university_thesis/0201284916863.html

---------------------------------------------------------------------------------------------------

2.[期刊论文]基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型

期刊：《船舶力学》 | 2015 年第 009 期

摘要：准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归（auto-regressive，AR）预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设，因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报，文章提出一种基于AR-EMD方法的扩展AR模型，称为EMD-AR预报模型。其中，AR-EMD方法是指在经验模态分解（empirical mode decomposition，EMD）的过程中，采用AR预报的方法处理端点效应问题。 EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项，然后对各个分量分别用AR模型预报，得到最终的预报结果，以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归（support vector regression，SVR）预报模型进行对比分析，结果表明，AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响，提高该模型的预报精度，且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。%Accurate short-term prediction of ship motions allows better improvements in safety and con-trol quality in ship motion sensitive maritime operations. Inspired by the high adaptive and effective nature of auto-regressive (AR) model, it was widely studied in substantial papers concerning short-term prediction of ship motion. However, it suffers theoretical difficulty when the ship motion becomes non-stationary. In this paper, an extended AR model designated as EMD-AR for non-stationary ship motion forecast is developed by using AR-EMD technique. Where, AR-EMD technique refers to empirical mode decomposition (EMD) applying AR prediction method in boundary extension. EMD-AR model overcomes the non-stationarity in ship motion by decomposing the complex ship motion data into a couple of simple intrinsic mode functions (IMFs) and residual. Each sub-compo-nent is predicted individually, and predictions are then aggregated to attain the final results. Com-parative study with linear AR model and nonlinear support vector regression (SVR) model employing model testing ship motion data was conducted. The results show that AR-EMD is effective in han-dling the negative effect on the prediction accuracy resulting from non-stationarity in ship motion and EMD-AR model produces better prediction compared to AR and SVR models.

关键词：非平稳船舶运动；极短期预报；AR模型；经验模态分解；EMD-AR模型

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_journal-ship-mechanics_thesis/0201220709865.html

---------------------------------------------------------------------------------------------------

3.[期刊论文]基于AR模型思想的高斯过程多模型建模方法

期刊：《计算机应用研究》 | 2012 年第 005 期

摘要：The value of K is difficult to be exactly determined in K-nearesl neighbor algorithm. This paper proposed a Gaussian process multi-model modeling method based on the idea of AR model. The method introduced the model output value of previous moments into the input set of the current moment, calculated the mean minimum distance of the'training samples to get a. Search radius. And it determined the value of K according to the radius and calculated the weights of the output according to the K neighbor samples. Finally it took the weighted output mode to get the output of combinational model. The method was used for the soft-sensor model to estimate the content of phenol at the outlet of a reaction vessel in a Bisphenol A production process. The simulation results show that the method has a higher accuracy and better model generalization ahility.%针对K-近邻算法中难以确定K值的定量问题,提出一种基于AR模型思想的高斯过程多模型建模方法.该方法借鉴AR模型的思想,将前一时刻的输出值作为当前时刻输出值的一个影响因素放入输入集中,通过计算训练样本的平均最小距离从而得到一个搜索半径,根据搜索半径来确定K值和K个近邻样本的权重,采用加权输出的方式以得到组合模型的输出.将其建模方法应用到某双酚A反应釜出口苯酚含量的软测量建模中,仿真结果表明,该方法具有较高的精度和较好的模型推广能力.

关键词：K-近邻算法；AR模型；高斯过程；多模型

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_application-research-computers_thesis/0201241992481.html

---------------------------------------------------------------------------------------------------

4.[期刊论文]非参数AR(1)误差下AR模型定阶

期刊：《科技资讯》 | 2008 年第 034 期

摘要：对一类非正态误差的模型AR,在待定阶数p的情况下,给出误差项中未知实函数依概率有界的定理,可把非正态误羔转化为正态情况,最后运用正态误差下AR模型的方法确定阶数和参数,并给出一个算例.

关键词：AR模型；误差；非正态；定阶；依概率有界

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_science-technology-information_thesis/0201257660195.html

---------------------------------------------------------------------------------------------------

5.[期刊论文]基于高阶AR模型的陀螺随机漂移模型

期刊：《测绘学报》 | 2007 年第 004 期

摘要：陀螺随机漂移是影响惯性导航和组合导航精度的重要因素.首先用周期函数拟合和小波变换两种方法分别对随机漂移中的周期噪声进行分析和处理;然后对相关噪声建立高阶AR模型;最后将该模型应用在GPS/INS组合导航Kalman滤波中,并对结果进行分析和比较.结果表明,相比于周期函数拟合,小波变换不仅能够更好地削弱周期噪声的影响,还能够削弱高频白噪声的影响;相比于一阶马尔科夫过程,高阶AR模型能够更好地描述随机漂移中的相关噪声;基于小波变换和高阶AR模型的GPS/INS组合导航具有明显的优势.

关键词：GPS/INS组合导航；小波变换；AR模型；周期函数拟合

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_acta-geodaetica-cartographica-sinica_thesis/0201230469530.html

---------------------------------------------------------------------------------------------------

6.[学位论文]基于EMD-XGBoost-AR模型的网络舆情预测研究

目录

封面
中文摘要
英文摘要
目录
第一章 绪论
1.1 研究背景、目的和意义
1.2 研究内容及结构安排
1.3 技术路线与创新点
第二章 网络舆情研究综述
2.1 网络舆情的概念
2.2 网络舆情的研究现状
2.3 网络媒体与舆论的预测研究
2.4 本章小结
第三章 网络舆情组合预测模型
3.1 问题描述
3.2 WNN预测模型
3.3 EMD-BPNN预测模型
3.4 EMD-XGBoost-AR预测模型
3.5 研究讨论与贡献
3.6 本章小结
第四章 模型优化和实验对比
4.1 实验环境
4.2 数据来源及预处理
4.3 实验分析
4.4 模型对比与讨论
4.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
声明
致谢

著录项

学科：管理科学与工程

授予学位：硕士

年度：2017

正文语种：中文语种

中图分类：人工神经网络与计算；大众传播

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020311617846.html

---------------------------------------------------------------------------------------------------

7.[学位论文]基于AR模型的雷达目标跟踪算法研究

目录

封面
声明
摘要
英文摘要
目录
1．1 课题研究背景和意义
1．2 研究现状
1．2．1 目标跟踪模型的研究现状
1．2．2 目标跟踪滤波算法的研究现状
1．3 论文的主要工作与内容安排
第2章 目标跟踪滤波理论
2．1 机动目标跟踪原理
2．2 目标跟踪模型
2．2．2 匀加速(CA)模型
2．3 卡尔曼滤波算法
2．4 交互式多模型算法
2．5 仿真分析
2．6 本章小结
第3章 基于AR模型的卡尔曼滤波算法
3．1 AR模型
3．1．1 由多项式模型到AR模型
3．1．2 卡尔曼滤波器的AR模型
3．1．3 AR模型系数向量的求解
3．2 基于一阶AR模型的卡尔曼滤波算法
3．2．1 算法步骤
3．3．2 仿真分析
3．3 基于AR模型切换的卡尔曼滤波算法
3．3．1 非机动状态跟踪与机动起始检测
3．3．2 机动状态跟踪与机动结束检测
3．3．3 仿真分析
3．4 本章小结
第4章 基于AR模型的交互式多模型算法
4．1 AR模型在交互式多模型算法中的应用
4．1．1 算法步骤
4．1．2 模型选取
4．1．3 仿真分析
4．2 改进的基于AR模型集切换的交互式多模型算法
4．2．1 模型集切换的交互式多模型算法
4．2．2 改进的基于AR模型集切换的交互式多模型算法原理
4．2．3 改进的基于AR模型集切换的交互式多模型算法步骤
4．2．4 仿真分析
4．3 本章小结
第5章 总结与展望
5．1 工作总结
5．2 未来工作展望
参考文献
致谢
作者简介

著录项

学科：电子与通信工程

授予学位：硕士

年度：2017

正文语种：中文语种

中图分类：雷达接收设备

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020313274138.html

---------------------------------------------------------------------------------------------------

8.[学位论文]基于分层HMM和AR模型的重型车辆侧翻预警方法研究

目录

封面
声明
摘要
英文摘要
目录
第一章 绪论
1．1 选题背景及研究意义
1．1．1 选题背景
1．1．2 车辆侧翻的研究意义
1．2 车辆侧翻的研究现状
1．2．1 国内外研究现状
1．2．2 当前侧翻研究的不足
1．2．3 HMM在汽车领域的应用
1．3 本文主要研究内容
第二章 AR-HMM侧翻预警算法的研究基础
2．1 时间序列和自回归模型
2．1．1 时间序列
2．1．2 自回归模型AR(p)
2．2 隐马尔科夫模型(HMM)
2．2．1 HMM的基本概念
2．2．2 HMM应用需要解决的三个问题
2．2．3 连续HMM模型
2．2．4 应用中需要注意的问题
2．3 重型卡车侧翻机理分析
2．3．1 车辆的准静态侧翻
2．3．2 重型卡车侧翻模型的建立
2．3．3 重型卡车模型仿真分析
2．4 本章小结
第三章 基于AR-HMM的重型车辆侧翻预警模型
3．1 转向运动分析
3．2 基于AR和分层HMM的车辆转向过程运动状态模型
3．2．1 整体模型构建思路
3．2．2 车辆转向过程下层分运动模型
3．2．3 车辆转向过程上层运动状态模型
3．3 基于AR-HMM的重型车辆侧翻预警算法
3．3．1 马尔科夫预测法
3．3．2 基于马尔科夫预测法的侧翻预警算法
3．4 本章小结
第四章 侧翻预警离线模型训练
4．1 基于TRUCKSIM的实验数据获取
4．1．1 仿真条件
4．1．2 仿真工况
4．1．3 数据获取
4．2 仿真试验数据处理
4．2．1 数据预处理思路
4．2．2 第一次数据聚类
4．2．3 自回归模型的建立和系数提取
4．2．4 离群数据筛选
4．2．5 第二次聚类分析
4．3 车辆侧翻预警模型离线训练
4．3．1 连续高斯隐马尔科夫模型训练
4．3．2 多维离散隐马尔科夫模型训练
4．4 模型参数优化
4．5 本章小结
第五章 侧翻预警模型辨识试验
5．1 离线验证思路
5．2 侧翻预警算法的仿真验证
5．2．1 下层分状态模型的辨识
5．2．2 上层车辆状态的辨识和预测
5．3 本章小结
第六章 总结与展望
6．1 全文总结
6．2 文章创新点
6．3 展望
致谢
参考文献

著录项

学科：机械工程

授予学位：硕士

年度：2015

正文语种：中文语种

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020312838656.html

---------------------------------------------------------------------------------------------------

9.[学位论文]穴位注射配合艾灸对AR模型大鼠血清IL-4、IFN-γ、IgE的影响

目录

封面

目录

中文摘要

前言

材料与方法

结果

讨论

结论

参考文献

英文摘要

致谢

略缩词表

著录项

学科：针灸学

授予学位：硕士

年度：2014

正文语种：中文语种

中图分类：鼻炎

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/02031150712.html

---------------------------------------------------------------------------------------------------

10.[学位论文]基于区间B样条小波基函数的时变AR模型结构参数识别

目录

封面
声明
中文摘要
英文摘要
目录
图表清单
注释表
第一章 绪论
1.1 课题研究背景与意义
1.2 时不变结构参数识别方法
1.3 时变结构参数识别方法
1.4 本文的主要研究工作
第二章 时间序列模型及其定阶
2.1 引言
2.2 振动微分方程与时间序列模型
2.3 时间序列模型
2.4 时间序列模型的定阶
2.5 本章小结
第三章 时变自回归模型
3.1 区间B样条小波函数
3.2 时变单变量AR模型法
3.3 时变多变量AR模型法
3.4 TVAR与TVARV的比较与几个问题的讨论
3.5 本章小结
第四章 时变悬臂梁实验研究
4.1 实验设计
4.2 实验过程
4.3 实验结果与分析
4.4 实验的几个注意点
4.5 本章小结
第五章 全文工作总结与展望
5.1 本文主要工作总结
5.2 后续工作及展望
参考文献
致谢
在学期间的研究成果及发表的学术论文

著录项

学科：飞行器设计

授予学位：硕士

年度：2013

正文语种：中文语种

链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020312995553.html