本书在对非平稳数据处理的指数修匀方法、混合自动回归移动平均模型()(包括自回归序列模型()和滑动平均序列模型())、自回归综合移动模型()(包括ARIMA的乘积模型)、卡尔曼滤波(Kalmanfilter)及组合模型等大数据处理方法研究的基础上，针对非平稳大数据模型构建、算法和预测进行研究，建立一种能够对数据进行趋势和周期判断，且这种判断不依赖于统计检验的动态处理的大模型和计算方法，该方法利用递推法建立趋势、周期(季节)和随机模型，并对模型进行实时纠正，以便于计算机计算并进行实时预测。

更多科学出版社服务，请扫码获取。