HRV的频域时变分析方法及其应用

在ＨＲＶ频域分析中，比较研究了ＲＲ间期作为事件序列与化为时间序列分析所获得的结果。结果表明在平均心率较大和较小的时间片中，频谱将被改变。对后一种分析方法，我们借用“语谱图”的概念，将信号频谱随时间的变化直观地进行显示，提供了ＨＲＶ时和频域上较完整的变化信息。     

逐步回归时间序列和RBF-ANN在降水预测中的应用

将逐步回归融入到时间序列预测模型的建立中,摒弃了传统的“考虑所有变量”模式,利用“有进有出”的形式,分清各因子主次关系,仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络,准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例,分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型,并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284,平均绝对误差分别为18.37、15.65、13.82 mm,有效系数分别为0.87、0.94、0.93,精度均满足要求,最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。     

基于复Morlet小波的海洋水文要素年际变化分析

本文利用复Morlet小波变换对海洋水文要素时间序列的年际变化分析方法进行研究,并对南沙海区月平均表层水温时间序列进行了多时间尺度分析。结果表明：南沙海区月平均表层水温时间序列各时间尺度上的时域分布是不均匀的,存在2.5年和5年左右的周期。     

时间序列分析在机床主轴系统动态性能研究中的应用

本文讨论了时间序列分析在结构振动系统传递函数分析中的应用,阐述了应用时间序列的AR模型进行振动传递函数分析的方法,并用这种方法识别了C616车床主轴系统试验台的振动传递函数。对由观测噪声引起的误差进行了分析,提出了采用多次平均方法提高传递函数时间序列分析精度的改进措施。     

广西GDP的时间序列模型的建立与实证分析

综合运用了判别时间序列平稳性的方法,利用单位根方法检验时间序列的差分阶数;利用自相关函数图和偏相关函数图判别时间序列模型的自回归阶数(AR(p))和滑动平均阶数(MA(q)),建立广西GDP的时间序列模型.再利用TSP软件采用OLS法对时间序列模型进行回归分析与显著性检验,并对通过检验的回归结果进行分析与预测.     

DS-UWB系统伪随机序列同步捕获算法实现及分析

采用RAKE接收的DS-UWB系统中,同步对系统的性能至关重要.利用辅助序列进行系统同步方法能够确定本地序列移动方向,快速实现同步.首先,实现了DS-UWB系统中采用辅助序列进行的伪随机序列同步捕获.与传统的滑动相关方法不同,利用了接收信号与特定辅助序列的相关信息,对本地伪随机序列同接收信号中的伪随机序列相位差进行估计,并得到相位移动的方向,从而减小捕获时间.最后,理论分析与仿真结果表明,利用辅助序列实现DS-UWB系统伪随机序列同步捕获的平均捕获时间低于串行滑动相关方法平均捕获时间的一半.     

时间序列分析在机械工程中的应用学术讨论会在我院举行

“时间序列分析在机械工程中的应用学术讨论会”于1983年12月23至24日在华中工学院举行。这是我国第一次召开的时间序列分析这一数学方法在工程中应用的学术讨论会,会议引起了许多方面的很大兴趣。     

医用红外热图动态分析方法

提出了一种基于“自回归滑动平均”(ARMA)谱估计的医用多幅红外热图动态分析的方法。利用人体不同病灶区对外界温度激励的响应不同这一原理 ,从响应过程的多幅热图中 ,提取温度变化的时间序列 ,用工程频谱分析方法对时间序列进行 ARMA谱估计 ,从而得到表征病灶区特征的系统频谱参数。与传统的单幅红外热图静态分析方法相比 ,该方法更有效地揭示了不同病症的红外辐射特征。对部分病例的初步临床实验结果表明 :该方法可为基于红外热图的诊断提供一种新的分析手段     

基于小波分析和模糊神经网络的水文预测

提出一种基于小波—模糊神经网络的水文时间序列预测方法．利用小波分析具有“数学显微镜”的特点，分析水文时间序列的频率构成；通过模糊逻辑和神经网络两种理论的融合，对各频率分量进行预测，最后合成预测结果．对浙江源口水库10年间入库水量时间序列的预测实践，验证了方法的有效性。     

血细胞悬液时间光谱复杂度研究

用时间光谱扫描方法，得到血细胞悬液动态光谱的时间序列；本文利用Ｌｅｍｐｅｌ－Ｚｉｖ所定义的随机序列的“复杂性”对这个时间序列进行了研究。     

基于启发式分割算法的水文变异分析研究

 通过构建理想样本探讨了启发式分割算法在水文变异诊断中的可行性,比较了其与传统变异检验方法在检验性能上的差异,同时结合珠江三角洲河网三水站1900-2004年年最大洪峰流量序列检验其实际应用效果。研究表明该方法能较好排除虚假变异点干扰,较准确识别变异点数目及其发生时间,检验性能优于传统方法,适用于水文变异分析,特别是对复杂非线性非平稳水文序列,实际应用效果较好。通过变异分析发现三水站年最大洪峰流量序列在1993年发生跳跃变异,且为均值向上跳跃,表明区域防洪形势将更加趋于严峻。     

地震信号的时域模拟

目前获得的地震波数据大都是以加速度时程形式给出的,直接积分获得的速度时程和位移时程往往存在着明显的基线漂移现象．简便的时域优化校正算法是一种较好的选择．提出了一种分步时域校正法．首先基于最小二乘法以三阶多项式形式来拟合加速度的非零曲线,对原始加速度时程做基线预校正处理;其次对于校正后的积分速度和位移曲线仍存在的长周期基线波动问题,将校正后的加速度曲线代入单自由度系统地震反应递归公式,从而生成地震波的速度时程和位移时程．该方法原理简单,实施方便,而且能够很好地消除速度波和位移波的漂移现象．     

云锡矿工肺癌的时间序列预测方法

本文对云锡矿工肺癌的SMR(Standard Mortality Rate,标准死亡率比)预测模型进行了分析,指出该模型的局限性。在此基础上提出了直接利用矿工肺癌死亡数的AR(Auto-Regreesive,自回归)模型预测法和矿工肺癌SMR序列非平稳时序模型预测法,分析了这两种预测法的优劣和适用范围,并对云锡老矿20～40年代下井矿工肺癌死亡进行了预测,得出矿工肺癌死亡趋势将减缓的结论。结果表明,本文提出的预测方法是可行、可信的。     

Pattern Recognition of Non-Stationary Time Series with Finite Length

Introduction Time series and signals to be analyzed by using auto- regressive models are usually treated as stationary or non-stationary only in terms of mean[1]. In fact, most series are, unfortunately, somewhat non-stationary, es- pecially in terms of a…     

犯罪时间序列的混沌特征分析与短期预测

现有犯罪时间序列预测方法侧重于捕捉序列自相关性来构建预测模型,但缺少对犯罪时间序列所反映的社会治安系统非线性和复杂性特征的考虑。 针对这一不足,提出了一种基于混沌分析的长短期记忆(long short-term memory, LSTM)LSTM 预测方法(Chaos-LSTM)。 首先将犯罪时间序列进行相空间重构得到其重构参数以及高维特征,然后计算犯罪时间序列的 Lyapunov 指数判断其混沌特性,最后对符合混沌特征的犯罪时间序列利用重构参数进行序列重建,输入 LSTM 模型进行时序预测。 以北方某特大城市 2007—2014 年的抢劫、入室盗窃、抢夺、诈骗类犯罪的日序列数据进行了实验验证,结果表明:4类案件的时序数据均表现出明显的混沌特征。 Chaos-LSTM 模型在预测精度上较 LSTM 模型有明显提升,平均绝对百分误差(mean absolute percentage error, MAPE)提 升 度 最 高 可 达 19. 7% ,百 分 比 均 方 根 误 差 (percentage root mean square error,PRMSE)提升度最高为 4. 19% ,其中对稀疏性数据序列的提升效果更为明显,显示出该方法对稀疏犯罪时间序列具有更好的适应性。     

钻井学习曲线研究

学习曲线常用于中短期的经营规划中,国外已开始将其用于钻井周期测算．用塔里木油田两个区块的预探井、评价井和生产井的实际资料,分析了学习曲线在石油钻井中的运用条件．普通学习曲线的运用条件为“五个相同”,即区块、井别、井型、目的层和井深相同,并用实际资料计算验证,计算误差不超过５％,效果良好．鉴于同一区块中井别、井型、目的层相同的井,通常井深有不同程度的差异,只满足前面四个条件,使学习曲线的运用范围受到很大限制,提出了以钻时指数曲线与普通学习曲线相结合的修正公式,扩大了学习曲线的运用范围．实例计算误差小于２０％,比现行的计算误差低．用实例求出了其学习率及其相应参数．提出了对学习效果的双赢分配方式．     

应用时间序列分析的液压溢流阀故障诊断法

基于液压溢流阀体工况,提出一种振动频率特性的故障诊断方法.利用溢流阀体振动信号的相关性、自回归模型的参数和功率谱特性,获得故障的突变信息,从而确认溢流阀的工作状态,为液压系统故障的诊断提供判断依据.测试系统采用LabVIEW虚拟仪器构建,并通过计算机自动完成测试和分析.实验结果表明,正常状态和故障状态下的电压信号没有明显的趋势,是一种平稳时间序列;有故障时,相关函数衰减比正常状态慢,但都不够明显;正常状态和故障状态下的特征根分布明显不同,故障状态下的系统可能处于某种稳定状态;正常状态的自回归(AR)功率谱比任何一种溢流阀常见故障的功率谱都低.     

Rough集挖掘时间序列的研究

Rouhg集方法是一种用于处理不确定性和模糊性知识的数学工具。探讨了基于Rough集方法的时间序列挖掘问题,提出一种将时态信息系统转化信息系统的方法和一个将实时时态信息系统转换为时态信息系统的方法;并从理论上证明了该方法在挖掘效率上的优越性。     

基于支持向量机的混沌时间序列预测

支持向量机（SVM）是一种基于结构风险最小化原理的学习技术,是一种具有很好泛化性能的回归方法.针对混沌时间序列特点,提出混沌时间序列预测的支持向量机建模的思路、特点及关键参数的选取.对模型进行了实例研究,结果表明该模型能较好地处理混沌时间序列,具有较高的泛化能力和很好的预测精度.     

基于混沌时间序列法的瓦斯涌出量预测

利用相空间重构技术,并借助C-C方法和小数据量法从一维瓦斯涌出量时间序列中提取最大Lyapunov指数。结果表明：最大Lyapunov为0.28126的瓦斯浓度时间序列具有混沌特性,且在短期内,预测结果与实际情况符合较好。