基于高阶累积量ARMA模型线性非线性结合的地震子波提取方法研究

在地震子波非因果、混合相位的假设下,本文应用自回归滑动平均(ARMA)模型对地震子波进行参数化建模,并提出利用线性(矩阵方程法)和非线性(ARMA拟合方法)相结合的参数估计方式对该模型进行参数估计.在利用矩阵方程法确定模型参数范围的基础上,利用累积量拟合法精确估计参数.理论分析和仿真结果表明,该方式有较好的适应性:一方面提高了子波估计精度,避免单独使用矩阵方程法在短数据地震记录情况下可能带来的估计误差;另一方面提高了子波提取运算效率,降低了ARMA模型拟合方法参数范围确定的复杂性,避免了单纯使用滑动平均(MA)模型拟合法估计过多参数所导致的运算规模过大问题.初步应用结果表明该方法是有效可行的.

高效ARMA模型高分辨率地震子波提取方法

ARMA模型的最大优点是用较少的参数描述一个精确的子波,超定阶容易造成计算量大、运算速度慢,欠定阶不能满足精确子波描述的要求。针对高阶累积量对特殊切片敏感,且在短时数据下应用效果差的问题,本文采用基于自相关函数的奇异值分解(SVD)法确定AR模型阶数,同时将信息量准则法与高阶累积量法相结合,提出了一种新的MA模型定阶法。数值仿真和实际地震数据处理结果均表明,本文所用方法可有效地压制加性高斯色噪声,信息量准则法可有效提高MA定阶的准确率,在保证子波精度的同时尽可能降低模型阶数,实现运算高效率。

用对称映射ARMA模型的零极点研究子波相位对反射系数序列反演的影响

为研究地震子波相位对反射系数序列反演的影响,在自回归滑动平均(ARMA)模型描述子波的基础上,提出采用z域对称映射ARMA模型零极点的方法构造了一系列相同振幅谱、不同相位谱的地震子波,并结合谱除法对人工合成地震记录进行反射系数序列反演.理论分析表明,子波相位估计不准时反射系数序列反演结果中残留一个纯相位滤波器,该纯相位滤波器的相位谱为真实子波和构造子波的相位谱之差.采用丰度和变分作为评价方法,在反演结果中确定出真实的或准确的反射系数序列.仿真实验和实际数据处理结果也验证了子波相位对反射系数序列反演的影响规律和评价方法的有效性,为进一步提高反射系数序列反演结果精度指明了研究方向.

一种ARMA模型地震子波提取方法研究

在地震子波因果、混合相位的假设下,本文突破突破滑动平均(MA)型假设的地震子波提取技术,提出一种阶数吝啬的自回归滑动平均(ARMA)模型对地震子波进行参数化准确建模的方法.针对地震子波ARMA模型定阶困难,超定阶容易造成计算量大、运算速度慢,欠定阶不能满足精确子波的要求,本文采用基于自相关函数的奇异值分解(SVD)法确定AR模型阶数,同时将信息量准则法与高阶累积量法相结合,提出了一种新的MA模型定阶法.数值仿真和实际地震数据处理结果表明,本文所用方法可以有效地压制加性高斯色噪声,信息量准则法可有效提高MA定阶的准确率,在保证子波精度的同时尽可能降低模型阶数,实现运算高效率.

一种因果混合相位ARMA模型定阶方法

自回归滑动平均(Autoregressive moving average,ARMA)模型为因果混合相位的假设条件下,分别采用基于样本自相关函数和样本高阶累积量的奇异值分解(Singular value decomposition,SVD)法对自回归(Autore-gressive,AR)部分定阶,同时将信息量准则法与高阶累积量法进行有机结合,提出了一种新的MA模型定阶方法。数值仿真证明,本文提取的新方法定阶效率高,并且可以有效地提高高阶累积量法确定滑动平均(Moving average,MA)阶数的稳定性,具有很好的应用价值。

基于ARMA-SSESM组合模型的危险品道路运输泄漏事故预测研究

为了预测危险品道路运输泄漏事故数量,以2013—2020年危险品道路运输泄漏月度事故为基础,运用时间序列理论建立自回归滑动平均(ARMA)预测模型和简单季节指数平滑法(SSESM)预测模型以及组合预测模型,对2021年1月—2021年6月的危险品道路运输泄漏事故数量进行预测,并对3种模型的预测精度进行比较。研究结果表明:组合预测模型的预测精度最佳,能够有效拟合时间序列的整体趋势。研究结果可为危险品道路运输泄漏事故预防工作提供参考。

高阶统计量地震子波估计建模

本文在反射系数序列为非高斯、平稳和统计独立的随机过程,地震子波为非因果、混合相位的假设条件下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录进行建模,并采用运算代价较小的基于高阶累积量的线性化求解方法——累积量矩阵方程法进行了子波提取和模型适应性的研究。数值模拟结果和实际地震数据处理结果表明:自回归滑动平均(ARMA)模型比滑动平均(MA)模型具有参数节省、模型更为高效的特点;累积量矩阵方程法可以有效地压制加性高斯噪声,但对累积量样本估计的准确性要求较高;如果累积量样本估计的误差和方差适度,结合自回归滑动平均(ARMA)模型描述的累积量矩阵方程法可以高效、准确地估计出地震子波。

基于自回归滑动平均模型的风力发电容量预测

利用时间序列分析法对富锦风电场风电机组发电容量时间序列进行分析,通过长自回归模型法建立了基于这些数据的自回归模型(AR)和自回归滑动平均模型(ARMA)。在建模过程中,采用3种定阶方法分别建立了不同的ARMA模型,并在对比分析了不同模型的优缺点之后对其进行加权平均综合处理,最终得到较理想的预测模型,使风力发电容量短期预测的归一化平均绝对误差降到7%以内。

稳态和动态混合信号的在线低频振荡模式辨识方法

针对目前自回归滑动平均(ARMA)法结合Prony方法方案存在的扰动检测和算法切换的难题,文中提出并验证了可以基于归一化峰度判断滑动窗内是否包含动态信号的方法,然后提出一种基于归一化峰度在常规ARMA法和高阶ARMA法之间自适应切换的低频振荡模式辨识方案。通过对电网实测信号的分析,将所提出方法与Prony方法和常规ARMA法分析结果进行对比,验证了此方案的可行性。

基于高阶累积量的线性化子波提取方法研究

在地震子波非因果、混合相位的假设下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录建模,并采用基于高阶累积量的线性方程法对子波提取和模型适应性进行了研究。数值仿真结果表明,ARMA模型比MA模型在描述地震记录时具有参数节俭、模型更为高效的特点;基于高阶累积量的线性方程法对加性高斯色噪声有较好的压制效果,却强烈依赖于累积量样本估计的准确性。如果累积量样本估计的误差和方差适度,结合AR-MA模型描述的累积量线性方程法适用于非因果、混合相位的子波提取,其有效性通过实际地震数据的处理得到了验证。

改进的差分自回归移动平均模型的共轭梯度参数估计法

为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。

需求预测对零售商期望库存水平的影响分析

研究由一个供应商和一个零售商组成的简单二级供应链系统,在假定零售商面对的市场需求服从一阶自回归模型AR(1)并且零售商采取滑动平均法对未来需求进行预测的背景下,证明了如果外界输入的白噪声服从正态分布,则零售商面对的市场需求以及发出的订货量也服从正态分布,并基于此导出了零售商的期望库存水平公式,进而给出了零售商期望库存水平和系统牛鞭效应水平之间的关系方程,解释了为什么供应链系统中牛鞭效应会引起节点企业库存大量积压的现象.