using System;
using System.Collections;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Runtime.CompilerServices;
using System.Security.Cryptography;
using System.Threading;
using System.Windows.Forms;
using System.Windows.Markup;
using System.Xml;
using static System.Windows.Forms.VisualStyles.VisualStyleElement;
//产生自回归滑动平均模型ARMA(p, q)的数据。Auto regressive moving average model
/************************************
a ---一维数组,长度为(p+1),ARAM(p,q)模型的自回归系数。
b ---一维数组,长度为(q+1),ARAM(p,q)模型的滑动平均系数。
p ---ARAM(p,q)模型的自回归阶数。
q ---ARAM(p,q)模型的滑动平均阶数。
mean ---白噪声正态分布均值mu。
sigma ---白噪声正态分布均方差sigma。
seed ---随机数种子
x ---一维数组,长度n,存放ARAM(p,q)模型的数据。
n ---放ARAM(p,q)模型的长度。
************************************/
namespace ArmaDataGenerate
{
//ARMA Model => x(k) + 1.45x(k-1) + 0.6x(k-2) = w(k) -0.2w(k) - 0.1w(k)
//w(k)是均值 0, 方差 0.5的高斯白噪声,生成200个数据于arma.dat
public partial class ArmaDataGenerateForm : Form
{
// generate(0,1)interval random number
Random rd = new Random();
//double uniform(double double int*)
public ArmaDataGenerateForm()
{
InitializeComponent();
}
static double[] a = { 1.0, 1.45, 0.6 };
static double[] b = { 1.0, -0.2, -0.1 };
void arma(double[] a, double[] b, int p, int q, double mean, double sigma, double[] x, int n)
{
int i, k, m; double s; double[] w = new double[n];
for (k = 0; k < n; k++) w[k] = gauss(mean, sigma);
x[0] = b[0] * w[0];
for (k = 1; k <= p; k++) {
s = 0.0;
for (i = 1; i <= k; i++) s += a[i] * x[k - 1];
ARMA 模型的生成
于 2023-08-07 09:26:23 首次发布