非平稳时间序列分析的WAVELET—ARMA组合方法及其应用

创立非平稳时间序列分析的WAVELET—ARMA组合方法。介绍WAVELET—ARMA方法原理,阐述WAVELET—ARMA组合方法分析的一般步骤,即利用小波分解与重构,通过采用Daubechies小波将时间序列分解成趋势项和一般项;趋势项的平稳性检验;以及用ARMA方法拟合已经成为平稳序列的趋势项,并应用于原时间序列的预测。最后,将该WAVELET—ARMA组合方法应用于江苏粮食产量的变化情况研究,结果表明该方法比直接二次多项式拟合预测的平均相对误差小0.4824%,反映WAVELET—ARMA组合方法的有效性。     

基于小波分解和残差GM(1,1)-AR的非平稳时间序列预测

提出基于二进正交小波变换和残差GM(1,1)-AR方法的非平稳时间序列预测方案.首先利用Mallat算法对非平稳时间序列进行分解和重构,分离出非平稳时间序列中的低频信息和高频信息;然后对高频信息构建自回归模型,对低频信息则用灰色残差模型进行拟合;最后将各模型的预测结果进行叠加,从而得到原始序列的预测值.该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.实验结果表明,这种方法比传统的非平稳时间序列预测方法具有更高的预测精度.     

非平稳时序分析在GPS伪距观测值建模中的应用

伪距观测值的仿真建模在GPS系统分析、误差消减等方面有很广泛的应用,原有的一些建模方法得到的仿真结果误差不能满足特定应用的需要.为此,提出了一种利用非平稳时间序列分析的方法,以达到减小仿真误差的目的.该方法通过对实际采集的GPS伪距数据的特征进行分析,采用自回归-求和-滑动平均(ARIMA)模型建模,并运用逆函数法对模型参数进行估计,最后通过Matlab编程进行了仿真,仿真结果表明利用该统计模型得到的仿真伪距与实际测量值的误差不超过3米,得到了较为满意的效果.     

子波理论与应用

子波理论被认为是傅里叶分析的重大突破,它已经成为当今从应用数学到信号与图像处理等许多领域的研究热点,本文综述了子波分析这一前沿领域的发展历史和现状,介绍了连续子波变换、离散子波变换、子波框架与子波快速算法及有关应用的最新进展,讨论了这一领域研究的有关问题。     

混沌时间序列的平均周期计算方法

在研究制造质量信息系统的混沌特性,使用小数据量法求解时间序列的Lyapunov指数时,使用文献中推荐的方法计算得到的平均周期不可信。针对这个问题,对比分析了六种平均周期计算方法,及其与时间序列长度、经过FFT变换后的幅值及功率之间的关系。在此基础上,以华南智信的日产品生产合格率数据及Lorenz系统产生的混沌时间序列为原始数据,计算这两个混沌时间序列的六个平均周期。实际生产数据与Lorenz系统数据进行对比后,发现六种平均周期对于平均周期计算来说,大小变化是一致的;再结合生产合格率数据的物理意义,对计算结果进行分析,综合前述理论分析,得到的结论是以功率加权计算得到的平均周期的在实际使用过程中有意义。     

小波预处理在系统计算中的应用

利用小波压缩技巧，获得一种求解线性系统的预处理器。通过将系数矩阵A进行小波变换得到压缩矩阵A，然后再用标准方法求A的近似逆。利用经过小波处理后矩阵A的条件数较好的特点．从而使得求解有较好的稳定性。并给出数值试验结果表明该方法的有效性。     

基于小波神经网络的自适应逆控制及其应用

神经网络控制特别适用于具有非线性和不确定性因素的系统。采用小波神经网络(WNN)对飞行仿真转台的直流伺服系统进行实时辨识,得到其逆模型。然后将这一训练后的网络作为前馈控制器与常规反馈控制器结合构成并行自适应逆控制器,控制转台跟踪指定的速度和位置轨线。仿真结果表明该方法的有效性。     

WRBF网络的设计及其在混沌时间序列中的应用

结合小波网络良好的时频特性和RBF网络良好的局部特性，设计小波径向基函数网络(WRBF)，该四层网络较三层小波网络和三层RBF网络有更优的特性。网络的第一隐层对输入样本进行小波映射，完成对输入信息的压缩，第二隐层实现径向基函数的非线性计算，克服了RBF网络在处理多维样本时神经元的中心点和宽度难以确定及网络结果往往较复杂的弱点。为实现对网络结构和参数的同时优化，提出用二进制一复数混合编码的自适应进化规划，利用双倍体基因拓展染色体的信息量，加快算法的收敛速度，实现全局优化。在算法研究的基础上，利用WRBF网络对混沌时间序列进行预测，验证了方法的有效性。     

Bayes多元时间序列分析方法及其应用

在条件似然函数意义下,讨论了基于矩阵正态-Wishart分布的多元时间序列Bayes分析方法,得到了模型参数的后验分布与一步预测分布.给出了分量方程的对应结果,说明了模型阶数的推断方法.最后,列出了计算步骤,并作为应用,对上海房地产价格指数数据进行预测建模,取得了较好效果.     

一种时序多指标决策方法及其应用

提出了一种新的时序多指标决策方法.该方法的特点是不需要决策者提供时间样本权重的准确值,通过利用它的倍数序信息,就能使决策结果既能反映指标的大小,又能反映指标的增长,从而为解决时序多指标决策问题提供了一种合理可行的方法.     

灰色-时序组合预测模型及其在年降水量预测中的应用

年降水量的中长期预测对于农业、水利、减灾等行业来说非常重要,但准确的预测又很困难。本文提出了灰色－时序组合预测法,并利用北京市大兴县黄村气象站３５年的降雨量资料进行了验证,精度达到Ｉ级水平。此项预测技术也可用于其他既具有摆动又有一定趋势对象的模拟和预测。     

小波变换在弹射加速度滤波中的应用

小波分析作为一种崭新的信号处理方法,在工程界受到了越来越广泛的重视,已成功应用于信号分析、图像处理及非线性科学等方面。小波变换是去噪的有力工具,能将由各种不同频率成分组成的混合信号分解到不同的频率段上,有效地用于滤波和信噪分离。本文基于小波分解与重构理论,分别对航空弹射加速度信号滤波,与传统的消噪法进行了比较。结果表明小波去噪法用较少的数据就能很好地完成滤波功能,并且滤波的效果优于传统的方法。