符号化时间序列分析

对于符号化时间分析方法,给出了已知的国外应用状况和文献出处.对如何将时间序列转化为符号序列,即信号符号化问题,通过最简单的二进制划分及其配套图形作了简要说明.给出了二进制划分下符号树结构及其Shannon熵计算方法,讨论了时延τ、符号集大小Ns和树层数(符号序列长度)对Shannon熵等统计量的影响.叙述了符号序列编码方法和符号序列直方图的作用;提交了进行符号时间序列分析的计算机流程图.图5,参23.     

一种模糊时间序列分析方法

提出一种模糊时间序列分析方法(analysis method of fuzzy time series, AMFTS),它是一个模糊时间序列分析方法的集合。保留Jilani等以历史数据作为论域的思路,抛弃应用分割论域并取模糊区间的中点近似代替历史数据的做法,让历史数据直接参与预测值的计算。在预测阿拉巴马大学1971—1992年的注册数时,取得了均方误差MSE=0的好成绩,预测精度比IGAFS-FTS大幅度提高,显示出AMFTS的建模FMK比FGAFS-FTS更具优势。     

时间序列的非线性测试及其应用

介绍了时间序列的非线性测试的方法，并应用于深圳股票综合指数达一时间序列，计算了它的潜在动力系统的几个特征量，证明这一潜在系统具有非线性混炖行为。     

水文时间序列趋势分析方法初探

本文全面介绍了水文序列趋势性变化的常用分析方法,用陆水流域某站的年径流资料系列对各种方法的计算过程进行了说明,并对有关问题进行了讨论。     

混沌时间序列的局部线性预测改进

在对混沌时间序列经典局部线性预测的基础上,考虑邻近点变化趋势与预测点变化趋势一致性对预测结果的影响,加入邻近点前一点到邻近点的轨迹与预测点前一点到预测点的轨迹的夹角这一参数来进行预测,提高对混沌时间序列的预测精度.     

关于拓扑序列熵的一点注记

当(X,f)是紧系统时,拓扑熵满足性质:en t(fm)=m.ent(f),对于由递增的正整数序列A={ai}i∞=1所确定的en tA(f)的拓扑序列熵不完全具有此类性质。它的性质和A的结构有着直接的关系。     

非线性分析方法在沪市高频时间序列中的应用

为研究高频金融时间序列的可预测性,尝试运用相空间重构和偏差计算分析方法预测t 1时刻股指瞬态变化方向.相空间重构可以保持原高频时间序列的某些信息,这些信息是对系统行为的近似描述.通过这种近似行为的描述,发现当时间t足够大时,即t→∞,系统的特性会被更好地反映出来;运用动态系统偏差来描述系统特性,分析系统的瞬间情况,而这种偏差等价于Jacobian矩阵的迹,它是用来测量无穷小的相空间量V(t)沿着轨迹x(t)的变化率.以沪市综合指数5 min高频数据为实证研究对象,预测t 1时刻股指瞬态变化方向,再和实际股指运动方向做比较,效果比较好.     

一种基于相空间重构的动态离散时间序列参数自适应求取算法

提出了自适应确定动态离散时间序列的最佳重构相空间嵌入维方法,为数据量不断变动的动态离散时间序列数据库实现自动连续分析提供了可能.讨论了在应用Wolf算法计算最大Lyapunov指数时遇到的因追踪轨线追踪到相空间终点而使计算意外终止的问题,提出最大Lyapunov指数的改进求解方法.基于最大Lyapunov指数进行验证性预测,说明了算法的有效性,并进一步分析了算法对实时分析短期稳定的混沌系统具有积极意义.     

股市时间序列的非线性分析

利用自相关函数对恒生指数日收盘价时间序列中的自相似性进行了初步的实证和理论分析.在此基础上,运用Husrt指数,进行了R/S(Re-scale Range Analysis)分析,以侦测收盘价的长程相关性.最后,对恒生指数日收盘价时间序列进行相空间重构,对其关联维数以及Kolmogorov熵进行了计算.研究结果表明,恒生指数日收盘价变化具有混沌等非线性性质.这一结论对股票市场理论建模、短时预测和管控策略的制定具有重要的意义.     

一种联合优化算法及其在混沌时间序列预测中的应用

为了提高混沌时间序列预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种基于遗传算法的混沌时间序列参数联合优化方法.该方法首先将相空间重构和预测模型参数作为遗传算法的个体,混沌时间序列预测精度作为适应度函数,通过选择、交叉和变异等遗传操作获得最优参数,最后利用混沌时间序列实例对联合优化方法进行验证性测试.实验结果表明:相对于传统参数优化方法,联合优化方法大幅度提高混沌时间序列的预测精度,为混沌时间序列预测提供一种新的思路.     

混沌时间序列的区间预测

讨论混沌时间序列的区间预测，给出了最优嵌入维数的搜索算法及区间预测算法，并应用于实例，取得较好效果。     

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.     

旋流静态混合器内瞬态速度时间序列多尺度符号化分析

利用激光多普勒粒子分析仪对长径比为1.25的旋流静态混合器内瞬态流场进行测量.基于经验模态分解(EMD)方法将测得SK型静态混合器速度信号进行多尺度分解,并将分解的各阶固有模态函数IMF进行符号化,采用修正的Shannon熵(Hs)评价各尺度下的微观动力学特征.通过对静态混合器内不同尺度下瞬态速度波动信号的Hs分析,发...     

混沌时间序列及其在能源系统中的应用

混沌经济时间序列的预测方法研究是混沌经济非线性动力系统的重要内容，笔者利用混沌动力学原理，通过混沌时间序列的相空间重构，运用局域预测方法，建立了预测模型，并用其确立的混沌动力学模型对1991年至1999年全国能源的生产、消费时间序列进行了预测，而且把此预测结果与实际值进行了比较，结果证明误差较小，同时还将此预测结果与常规方法建立的预测模型的预测结果相比，结果表明混沌时间序列建立的模型其短期预测效果更好。     

多维时间序列在相空间重构中的应用

介绍了多为量时间序列重构相空间技术，并以上证指数的预测为算例，具体阐述了它对原有相空间重构技术的改进，研究结果表明多变量重构相空间技术的预测效果相对于单变量重构有很大提高，文章的最后指出了在这一方法在经济预测中的应用价值和前景。