目录

第一章　动态数据建模基础知识

第一节　向量和矩阵

第二节　概率与统计估计基础

第三节　线性差分方程

第四节　傅立叶变换

第二章　平稳时间序列

第一节　随机序列的定义

第二节　随机序列的概率分布与参数特征

第三节　平稳随机序列

第四节　平稳随机序列的频率域表示

第一节　采样与量化

第三章　检验与预处理

第二节　离散傅立叶变换

第三节　时间序列的统计检验

第四章 自回归滑动平均（ARMA）模型

第一节　ARMA模型定义

第二节　ARMA模型的等价形式

第三节　ARMA序列的自相关函数

第四节　ARMA序列的偏相关函数

第五章　模型的参数估计

第一节　平稳序列的相关矩估计

第二节　模型的初步识别

第三节　模型参数的矩估计和逆函数法

第四节　模型参数的精估计

第一节　ARMA模型的改进

第六章　模型的改进、定阶和建模步骤

第二节　确定性趋势的分离、叠合模型

第三节　模型阶的判别

第四节　时间序列建模的基本步骤

第七章　时间序列的预报

第一节　平稳线性最小方差预报

第二节　各类序列的平稳线性最小方差预报

第三节　时间序列的新息预报

第八章　时间序列的谱估计

第一节　隐周期的分析

第二节　功率谱密度估计的非参数方法

第三节　功率谱密度估计的参数方法

第一节　AR模型在模态参数识别中的应用

第九章 时间序列分析在工程中的应用

第二节　齿轮传动装置的故障监测

第三节 自回归谱估计的计算机模拟与误差分析应用

第四节 用相似性判据监测机械系统的振动

第五节　时序分析在水量预测中的应用

第六节　AR模型方法在癫痫脑电图分析中的应用

附录

附表1 正态分布表

附表2 游程检验临界值表

附表3 F分布表

附表4 调和分析中显著性检验Fisher检验表

附表5 x2分布表