基于谱分析下的时间序列的平稳性检验

将时间序列分为S个子序列片断,用周期图方法估计时间序列的谱密度,在此基础上用3σ原理和两因素方差分析比较各子序列的异同,用以分别检验时间序列的均值函数和协方差函数的平稳性.较其它方法避免了复杂的计算,同时给出了检验统计量和判别准则,克服了人为主观因素的影响.     

时间序列平稳性检验

对于一个时间序列的分析首先要判断是否是平稳时间序列,即看它的均值和方差是否随时间的变化而变化,且自相关函数是否与时间间隔有关而与所处的时刻无关。通常,大多数时间序列是非平稳的。因此,首先要检验平稳性,然后再将非平稳时间序列转化成平稳时间序列。在时间序列分析中,为检验序列的平稳性,经常要用到一阶差分,二阶差分,有时为选择一个合适的时间序列模型还要对时间序列数据进行对数转换或平方根转换等。从时间序列数据和时间序列模型2方面来阐述时间序列平稳性的检验,共介绍4种检验法。在实际中可以将这些方法与实际背景相结合来判断时间序列的平稳性。     

基于Landsat数据和农田概率时间序列子序列的退耕监测方法

提出一种利用Landsat数据和时间序列子序列的退耕监测方法.首先利用随机森林方法,对每年的Landsat数据统计值进行分类,得到每个像元属于农田的概率,由每年的农田概率构成年际的农田概率时间序列;然后,对退耕(农田变为非农田)及相关地物类别的农田概率时间序列进行分析,得到代表退耕的时间序列片段,即特征子序列;最后,计...     

基于缺失数据的入境旅游人数时间序列分析

本文将时间序列分析方法用于1989年至2000年中国的外国人入境旅游人数的数据处理,结合Eiews软件给出了用此法进行外国人入境旅游人数的数据处理时模型的识别、定阶、参数的估计以及模型的检验和预报方法。另外,基于1991全年数据的缺失,本文采用了回归法和潜周期法对1991的数据进行了补充。     

基于时间序列分析的火灾数据研究

本文介绍了时间序列分析及其建模思想,并基于全国2004-2008年1-12月火灾起数建立时间序列模型,进行火灾趋势分析及提出控制时间和控制建议。     

基于优化Shapelet的时间序列分类方法

基于Shapelet的时间序列分类算法具有可解释性强、准确率高、速度快的优点,然而在Shapelet发现过程中存在Shapelet产生冗余和形式局限的缺点,严重制约了算法性能的提高。针对这一问题,提出一种基于优化Shapelet的时间序列分类算法,该方法首先利用K-means生成典型的Shapelet候选集,加速Shapelet的生成过程;然后,融合相似性和类标差异性提出Shapelet的选取模型,确保Shapelet的多样性和精简性;最后,提出优化策略获取最佳的Shapelet,并以此为基础实施时间序列分类。实验结果表明,该方法具有较高的分类准确率,并对位移和扭曲特征明显的数据集具有良好的分类效果。     

基于时间序列的数控设备状态智能评判方法

针对因异构数控系统多样造成设备数据采集和状态评判困难的问题,设计一种通用的数据采集和设备状态智能评判方法. 首先由能耗信号采集器采集设备加工时的能耗信息并分析能耗特征. 采用加工仿真或预先采集的方法,收集各NC代码加工时设备主轴的能耗信息,进行信号变换形成标准能耗信息库. 然后检测数控设备的能耗信息并视为时间序列,应用时间序列的相关理论和方法对信号进行变换,采用基于编辑距离的相似性度量方法,将该时序信息和标准信息库中的信息进行比对,识别判断数控设备的加工工件类别和状态,并进行统计分析. 在此基础上,设计开发了数控设备状态智能采集系统,实现了设备数据的采集. 最后,通过实例验证该方法的可行性与可靠性.      

基于时间序列分析的寿险需求模型分析

分别运用最小二乘法、时间序列分析对寿险市场进行了实证研究。与已有的研究相比,通过建立多元线性模型和改进的回归模型,说明国内生产总值的增长是寿险需求增长的根本原因,教育水平的提高和赡养(抚养)率对寿险需求影响显著;同时利用单位根检验指出由于缴纳保费存在分期缴纳的现象,导致保费收入有时间滞后效应。     

长记忆时间序列均值变点的比率检验

本文基于两种比率方法研究了长记忆时间序列均值变点的检验问题,在无变点原假设下推导出了检验统计量的极限分布,在备择假设下证明了检验方法的一致性.由于检验统计量的极限分布依赖未知的长记忆参数,还提出了一种避免估计长记忆参数的Sieve AR Bootstrap方法来近似计算检验统计量的临界值,数值模拟结果表明提出的检验方法具有较好的检验效果.最后通过分析一组尼罗河年径流量数据说明了方法的可行性.     

时间序列数据的稳健最优分割方法

针对分段多项式回归方法存在计算效率低和对噪声较敏感等缺点，提出了具有稳健性的最优分割方法，以解决时间序列数据相似搜索及知识发现处理中的长时间序列分割问题。该方法采用自顶向下策略，然后根据自适应定阶算法直接选定一个合适的多项式阶，对每个候选变化点，经过一次判断即可确定多项式的合适阶次。由于该方法基于对线性模型的数据矩阵作奇异值分解，从而可自适应确定子序列合适的模型，简化了计算过程，文中对此给出了理论证明。通过与Garalnik-Srivastava方法进行实验比较，证明所提方法不仅计算效率高，而且具有良好的稳健性。     

海洋时间序列的谱分析方法

本文简要阐述了海洋时间序列中两类（标量与矢量）随机过程各种谱的定义、概念、性质等，并对国内目前应用尚不广泛的旋转谱与二阶谱作了较详细的叙述，且重点介绍用ＦＦＴ进行各种谱估计的方法。     

液压位置系统的时间序列分析

本文讨论了用CAR时间序列模型来辨识液压系统的阶和参数。文中提出了AIC定阶准则和辅助变量法结合,来确定模型阶和参数的方法,进一步根据估计参数的渐近正态性确定模型的子阶和时滞。文中应用该方法辨识了液压位置系统的阶和参数。仿真和实测阶跃响应比较,证明得到的辨识模型是有效的。     

应用时间序列分析法模拟地下水资源系统

本文阐述了应用时间序列分析法模拟地下水资源系统的基本概念、原理和步骤,并列举了应用此法建立木里图地区地下水资源系统管理模型的实例.实例研究表明,应用时间序列分析法模拟地下水资源系统,进行地下水资源评价和系统管理简单、易行、省时、省力.对水文地质查勘和试验研究欠缺,含水层参数资料不足.但又积累有一定数量水文气象、开采量和地下水动态资料的地区尤为适宜.     

时间序列分析系统设计

设计了时间序列分析系统,并介绍了该系统的组成模块及其功能,可以广泛用于经济、社会、信息等领域。     

基于MODWT—ARIMA时间序列的棉花期货高频数据分析

介绍了ARIMA时间预测算法及MODWT小波变换的数学原理,通过对单日棉花期货的交易记录进行了MODWT—ARIMA组合分析,避免了对时间序列起点的敏感,更好地实现了对棉花期货时间序列的预测。     

基于时间序列算法的电力无功测量

为了对电力系统的无功进行有效的控制,必须对无功进行预测.对无功的预测也就是对系统功率因数的预测.利用时间序列分析方法,建立了3种预测模型,分别是自回归模型、滑动平均模型和混合模型.通过对3种模型的比较,最终选用混合模型的时间序列分析方法对电力系统的功率因数进行预测.经实测检验,混合模型分析方法的误差非常小,表明该方法具有一定的实用价值.     

北京市地铁7号线地质沉降数据的时间序列分析

本文运用时间序列方法,构建模型对北京市地铁七号线(九龙山站到大郊亭站)建设过程中地质沉降的数据进行分析,并对未来地质沉降的走势进行了预测.文章主要分为以下三个部分:第一部分是本文所用的模型介绍,包括时间序列AR(P)模型、Yule-Walker方程对模型的参数估计、AIC定阶、白噪声检验.第二部分,对原始数据进行分析,并对数据进行伸缩变换,去除趋势项,建立了AR(2)模型.根据所构建的模型,对未来的地质沉降做出预测.第三部分是本文的结论.     

Seasonal Time Series Analysis Based on Genetic Algorithm

Pattern discovery from the seasonal time-series is of importance. Traditionally, most of the algorithms of pattern discovery in time series are similar. A novel mode of time series is proposed which integrates the Genetic Algorithm （GA） for the actual problem. The experiments on the electric power yield sequence models show that this algorithm is practicable and effective.     

时间序列方法在观测资料分析中的应用

利用时间序列方法,分析了除确定性部分后的残差序列,提取其中有规律成分作为预报时的补偿项,形成叠合模型,进行建筑物观测资料的分析,实例表明,该方法提高了预报精度,证明了叠合模型方法的适用性。