基于小波和分形的时间序列压缩

引入离散小波变换的金字塔模型,将小波与分形结合起来,提出一种新的算法用于时间序列压缩,在信噪比保持不变的条件下,其压缩比为单纯的ＩＦＳ建模方法所获得的压缩比的２倍多。给出了ＩＦＳ以及ＩＦＳ与小波结合的算法,并分别给出了它们对时间序列压缩的实验结果以及这两种方法性能的比较。     

基于小波降噪的美国月度新房开工率的时间序列分析

基于有明显季节性规律性的时间序列数据与信号数据表现相似的特征,本文运用信号处理中的小波方法对原始时间序列数据进行降噪,提升模型的预测效果.针对选取的不同类型小波,通过更改阈值对原始数据进行降噪;以美国新建私有房屋开工率1990年1月至2014年5月的数据为样本,运用降噪后的数据进行模型拟合与预测,并与传统的纯时间序列分析建模结果相比较.结果表明对数据进行小波变换降噪的预处理之后效果更好:减弱了因局部高频变化数据导致的模型不稳定性;使数据更加平滑;提升了预测值与真实值的接近程度.     

基于小波和分形的时间序列压缩

引入离散小波变换的金字塔模型,将小波与分形结合起来,提出一种新的算法用于时间序列压缩,在信噪比保持不变的条件下,其压缩比为单纯的IFS建模方法所获得的压缩比的2倍多.给出了IFS以及IFS与小波结合的算法,并分别给出了它们对时间序列压缩的实验结果以及这两种方法性能的比较.     

沙坡头地区多年降水量时间序列的小波分析

利用沙坡头气象站1955-2009年50余年的年降水序列作为观测资料,采用Morlet函数作为小波函数,分析了沙坡头年降水量的多时间尺度变化特征.结果表明沙坡头地区的年降水量存在着显著的10～12年和25～27年的周期变化;在固沙植被早期,人工植被的演替规律和降水的周期振荡具有一致性.     

传感器输出时间序列的实时小波滤波方法

为了满足不同测控系统中传感器输出时间序列的实时滤波要求,针对小波变换不能递推进行的弱点,通过分析小波实时滤波算法,研究了基于Mallat快速离散小波变换的3种实时滤波方法：冗余采样频率法、有滞后的浮动数据窗法和对称添加的浮动数据窗法,给出了3种方法的实现过程及适应范围,分析了影响小波实时滤波中的几个关键因素。仿真实验结果表明,本文讨论的3种实时滤波方法,运行时间短,滤波性能与离线滤波相接近,可适用于一般流程工业的大部分参数变化较慢的测控系统。     

基于小波的武汉市PM_(10)空气污染指数时间序列分析

以武汉市PM10空气污染指数时间序列为例,运用复Morlet小波进行了时间尺度分析,发现其具备340 d、180 d、50 d和18 d 4个变化尺度,尤其以340 d的尺度最为明显;运用db小波对研究对象的突变事件进行分析,同时结合气象资料对各季节的PM10突变事件分析,结果表明PM10污染事件多发生在春季和冬季,其成因与当时的气象条件有密切联系.     

基于小波变换域的SVM股市时间序列预测算法

研究利用小波变换技术提高基于SVM的股市时间序列预测算法的效果.采用结构相同的若干SVM同步预测股市时间序列数据在不同尺度下的小波变换系数,通过对各预测值进行加权组合预测股市变化趋势.其中所有SVM的核参数采用遗传算法同时自动进化调整.通过实证分析,以及同基于SVM的股市时间序列预测算法进行对比,结果证明结合小波变换技术能够更深入揭示股市规律.     

基于小波变换的期权市场中的时间价值序列预测

目的试探利用小波变换研究预测期权市场中时间价值序列。方法提出了基于小波变换的期权市场中的时间价值序列预测方法。结果实际分析表明所设计的预测方法是有效的。结论它同传统的预测方法相比较具有较高的可靠性,且有很好的应用前景。     

基于小波变换和反馈的时间序列相似模式搜索算法

为得到有价值的相似时间序列,分析小波变换及其在寻找相似时间序列上的优越性;指出了现有的基于小波变换的相似时间序列搜索算法的2个缺点,提出了基于小波变换和加权反馈的时间序列相似模式匹配算法和基于验证深度的验证方法;通过实验证明了算法的有效性和实用性.     

水文序列周期的小波变换检测方法探讨

将小波变换引入随机水文过程的研究领域,根据水文现象的物理成因,通过对水文序列进行小波变换,借以测定水文序列隐含的近似周期,并利用检测验最终确定水文序列隐含的近似周期,计算结果表明,用小波变换确定水文序列隐含的近似周期,准确性较高,是一个较好的确定水文序列近似周期的方法。     

时间序列非平稳检测方法的对比分析

对比分析了检测时间序列是否平稳的两种方法: 一种是基于简单的统计方法检测时间序列非平稳性的run-test (简称RT)方法(考虑了3种典型方法: 均值RT、方差RT和标准差RT), 另一种是利用动力非平稳检测的图示方法(space time-index, STI)。 通过分析人工生成的已知平稳性的时间序列和实际湍流时间序列, 对比了两种方法在时间序列非平稳检测上各自的优劣: RT方法简单、高效, 但精确度低; STI方法精确度高, 但复杂、低效。同时, 分析了3种不同的RT方法对不同类型时间序列的平稳性检测能力, 表明方差RT方法最适用于湍流时间序列非平稳性检测。     

具不同变化规律的时间序列建模方法

本文对具不同变化规律的时间序列详细介绍了三种建模方法:虚拟变量法,分段拟合法和样条函数法,并给出实例加以说明和比较.     

应用小波能量熵的人体活动时序自动标记方法

在基于可穿戴传感器的人体活动识别研究中采用的传统人工标记原始数据的方法步骤繁琐、效率低下,在一定程度上制约了相关研究的深入开展.为此,特提出一种基于小波能量熵的人体活动时间序列自动标记方法.该方法采用分布于人体躯干9处主要部位的多惯性测量单元同步采集17种人体活动加速度与角速度数据,通过滑窗对人体前腰部合加速度数据分段并使用多分辨率分析计算滑窗内小波能量熵,然后利用采集序列的时间约束选择初步分割阈值,对滑窗小波能量熵随时间变化曲线进行自动分割,并最终实现对6位受试人体活动时序数据的自动标记.结果表明,该方法的标记平均准确率为95.82%,总耗时约18.6 min,比人工标记平均耗时76.75 min减少75.76%,标记效率显著改善.      

时间序列分析预测

将RFDE(Retarted Functional Differential Equation)和NFDE(Neutral Functional DifferentialEquation)引入到时间序列单元分析预测中,建立了RFDE和NFDE进行预测的理论基础和几个新的预测方法,并解决了其它一些预测方法难以解决的预测问题。     

多指标线性时序过程的小波特征

分析了多指标时序过程的小波变换，得到了变换下的性质及展式。     

多变量时间序列的邻域预测法

在非线性动力系统中,邻域预测法已经很广泛地应用于单变量时间序列,本文将这些方法,特别是COM法和LL法,推广应用于多变量时间序列.当时间序列很短而同时有多个变量的时间序列可测量时,多个变量比单变量在长时间序列中更能提供有效信息从而获得更好的预测结果.     

我国太阳辐射量时间序列分析

用方差技术分析了我国近３０年来地面太阳辐射量的变化．经Ｆα＝０．０５统计检验表明：在我国，太阳散射辐射量从１９７２年起在３８％的地区明显增加，从１９７４年开始３４％的地区显著地减少，还有２８％的地区差异不明显；太阳直接辐射量从１９６８年起在７６％的地区显著地减少；太阳总辐射量从１９７３年起开始减少，几乎在各地都呈这一趋势．此外，还用太阳辐射量倾向率的形式归纳出我国东北、华北、西北、长江中下游、长江中上游、华南和西南区各自的季节变化特征．