基于S变换的潘家口水库入库径流时序多时间尺度分析

以1956-2003年间的潘家口入库径流时序为研究对象,采用S变换对该径流时序的演变特征进行了时频分析,得到了该水文时序频谱在时-频平面土的三维分布图,它清晰地显示了该时闻序列在不同时段内的多时间尺度演变特征.然后再对得到的频谱图进行拓扑结构分析,总结了潘家口水库入库径流时序的宏观演变规律.结果表明,潘家口水库的年入库天然年径流近50年来总体上呈减少的趋势,其演变过程中存在16年和多个10年以下的多重变化周期:时间尺度为16年的周期分量波动特征较为平稳;但是对该径流时序演变特征起主要作用的是3～10年的周期分量,并且3～10年的多个周期分量在不同时段内对该径流时序波动特征的贡献不同.     

环境影响下水文时间序列分析及预测

本文采用水文时间序列模型ｘｔ＝Ｔｔ＋Ｐｔ＋Ｒｔ模拟实测水文过程．分析结果表明，人类活动 对趋势项Ｔｔ影响很大．而周期项Ｐｔ和随机项Ｒｔ则几乎没什么影响．在此基础上，根据Ｔｔ的变化 规律，作者对环境影响下的水文过程进行预测．     

水文时间序列长期相关性的识别

本文根据Ｈｕｒｓｔ系数估计值Ｋ的特征,用蒙特卡洛方法建立了Ｋ的经验分布表,通过观测序列的Ｋ值与表中相应的值进行比较以判别序列的长期相关性。     

基于变换的时间序列相似性分析

为了解决时间序列相似性比较问题,采用从时间序列的直观特征分析入手进行定义的方法,定义了具体的基于变换的时间序列的相似性,并分析了良好的时间序列变换函数所应具备的性质,讨论了一些有代表性的基于变换的时间序列相似性的定义和分析方法,对这些方法的基本思想加以提炼和总结,并讨论了这些方法的优、缺点,为基于变换的现代时间序列分析方法研究提供了较为完整的成果概览。同时,提出了借助变换函数来对时间序列的相似性进行定义的方法,为进一步做好时间序列相似性的比较工作提供了具体方向和理论依据。     

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。     

基于离散小波变换的水文序列相似查找

运用Mallat算法和Daubechies小波,对水文序列进行离散小波变换。通过k层离散小波变换,将水文序列分解成不同时间尺度的近似部分A和细节部分D,第k层的序列长度是原序列的1/2k。对变换后的序列进行相似查找,提高了查找的时间效率。     

水文时间序列的相似性搜索研究

将时间序列相似性搜索的数据挖掘方法应用于水文时间序列数据中,挖掘相似的水文过程.在分析欧氏距离和动态时间扭曲距离两种相似性距离度量方法特点的基础上,采用对时间轴的伸缩和弯曲具有较好适应性的动态时间扭曲距离法对塔里木河流域源流区出山口水文站沙里桂兰克站1961—2000年共220场洪水流量过程进行相似性搜索,基于相似性距离度量矩阵,挖掘出相似的洪水流量过程.结果表明,沙里桂兰克站洪水过程虽形态多样,但也表现出一定的相似性,基于动态时间扭曲法的相似性搜索能有效挖掘出相似的水文过程.     

水文时间序列变点识别的一种稳健方法

针对目前水文时间序列变点识别研究中忽略了方法的稳健性,未能充分考虑异常值的影响的不足,提出了利用一种高度稳健的高斯混合密度分解算法来识别水文时间序列中的变点,并以此来研究水文时间序列均值的突变该方法的核心是根据观测到的资料,通过逐步挖掘服从不同正态分布的时间序列分支,将均值变点的识别问题转化为混合正态密度的聚类问题,从而达到估计变点的位置以及自动获得变点的数目估计的目的实例计算结果表明,该方法对含有噪声的时间序列数据,仍能准确识别变点的位置,较好地解决了水文序列变点识别的稳健性问题．     

抽样序列傅立叶变换的研究

分析了连续信号抽样变成抽样序列频谱分析与实际电路模型不一致 ,而理论上的频谱分析导出了对实际电路模型频谱分析适用的原因 给出了实际电路抽样连续信号完成抽样序列的频谱分析方法 ,最后根据这一方法完成了有限长离散傅里叶正、逆变换     

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。     

约束付立叶光滑方法及其在水文中的应用

阐述了付立叶（Ｆｏｕｒｉｅｒ）光滑方法的最小二乘性质，并据此提出了约束付立叶光滑 法，初步解决了水文变量（流量、雨量等）具有周期性变化规律的统计特征值（均值、方 差等）的最优估计。与建立在等距离离散时间序列上传统的离散付立叶光滑方法不同，提 出了非等距离的离散时间序列的最优付立叶光滑方法以及付立叶系数的递推最小二乘法 估计。     

基于奇异谱分析的混沌序列降噪

基于奇异谱分析的基本思想，提出一种降低混沌信号中噪声的算法及一种基于噪声奇异谱特性的最佳重构阶次选择方法．对一个混沌时间序列进行奇异谱分析，得到各主分量和经验正交函数，选择合适阶次重构信号，即可得到降噪后的混沌时间序列．数值仿真证实了该算法的有效性．     

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.     

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.     

基于时间序列分析的机电系统状态数据的检验方法

本文以机电设备群为例,实时运行数据为基础,利用时间序列方法,研究了系统的运行状态。建立了系统及其相关的故障传播模型。指出了时间序列模型的性质、目标和类别。最后,针对实际数据分析了时间序列平衡性的检验方法。     

几种水文序列变异点诊断方法的性能比较

分别在正态分布和t分布假设下,通过改变样本容量、自由度、变异值、变点位置等参数用模拟试验的方法比较分析了3种常用的水文序列变异点检验方法的检验性能.结果表明,Pettitt检验法对于端点位置的均值变点具有最好的检验效果,BrownForsythe检验法适合小样本数据,秩和检验无明显优势.最后用这3种方法分析了西宁市1951年至2000年3月份的月均降水量序列,发现在1977年存在一个变异点.     

非平稳时间序列的线性预测

本文研究非平稳正态时间序列的线性预测问题。导出非平稳正态序列的递推预测-平滑公式。对于讨论同一问题的某些文献的结论进行了分析,指出该文的结论对非平稳序列并不适用。     

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。