顾及序列非平稳性的InSAR形变序列噪声分离与精化

地表形变序列提取是多时相合成孔径雷达干涉测量技术(Multi-temporal Interferometric Synthetic Aperture Radar, MT-InSAR)的最主要目的之一.受到随机噪声误差的影响, MT-InSAR获取的形变时间序列需要进一步精化.由于形变类型多种多样, 传统序列滤波处理方法容易出现单一模型不适用、滤波窗口难以确定、提取效果难以评估等问题, 难以实现海量监测目标的形变序列批量处理.针对这些问题, 本文提出了一种顾及序列非平稳性的广域InSAR形变序列噪声分离与精化方法.新方法构建了大范围区域的形变拟合模型库, 随后通过综合考虑拟合优度和残差平稳性, 对序列进行两次拟合, 充分分离出形变序列中的趋势性变化信号, 实现序列由非平稳向平稳的转化.最后对残余序列进行大窗口滤波, 实现对残余形变信号的提取, 最终完成含噪序列中的形变时间序列信号高精度分离与精化.本文利用传统三角滤波方法和新方法对规则形变序列和不规则形变序列进行了形变分量滤波提取对比实验, 实验结果表明, 相较于传统方法, 新方法对规则形变序列的形变分量提取精度较传统方法提高了40.69%, 不规则形变序列中提高了27.54%, 同时, 新方法也表现出了较为准确的模型识别能力.另外, 论文对新方法在滤波窗口选择、抗噪能力以及优化效果评价等方面的优越性进行了深入的分析和讨论.

面向非平稳时间序列的因果关系发现算法

针对传统因果关系算法不能分析非平稳时间序列和可变时滞时间序列数据因果关系的问题,本文提出一种基于分段聚合近似可变时滞转移熵(PAAVL-TE)的因果关系算法。利用分段聚合近似法对时间序列进行转换,提取时间序列的特征信息,运用动态时间弯曲距离寻找相似程度最高的时间序列计算可变时滞时间序列的转移熵,实现了非平稳时间序列的因果分析。通过计算机仿真模拟实验将提出的算法与存在的算法相比较,证实算法有效性。将该算法用于北京市昌平区PM 2.5浓度和气象数据分析,表明本文算法具有广泛的应用性。

基于非平稳时间序列分析的滑坡变形预测

滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程。为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型。以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据。

基于ARMA模型的经济非平稳时间序列的预测分析

时间序列分析方法是经济领域研究的主要工具之一 ,它用合适的模型描述历史数据随时间变化的规律 ,并预测经济变量值 .而 ARMA模型是适用于任何序列的发展形态的一种高级预测方法 ,它描述时间序列的动态性和发展变化规律 .文中通过 ARMA模型分析时间序列的随机性和平稳性 ,以一种商品月度销售额具体分析 ,用 sas软件检验模型的可行性 ,并预测应用 .结果表明 ,模拟值和真实值接近 ,在实际应用中预测值的准确对于指导商家的战略决策起重要作用 .

相关系数平稳序列滤波、预测和平滑

相关系数平稳序列是从非平稳序列中分离出来的一类工程实际中常见且便于研究的随机序列 ,文中首先给出相关系数AR(p)、MA(q)和ARMA(p ,q)序列可直接测得情况下的预测公式 ,然后在测量噪声独立和相关两种情况下分别讨论相关系数平稳序列不可直接测得时的滤波、预测和平滑问题。文中方法能够对均值和方差都随时间变化的相关系数平稳序列或信号进行高精度的分析和处理 ,可广泛应用于通信、自动控制、结构响应分析和故障诊断等领域。

滑坡时间预报的非平稳时间序列方法研究

本文基于边坡变形破坏的特点，对位移观测数据进行统计分析，利用非平稳时间序列理论就位移观测值建立模型进而作出预报。通过实例验证，该理论方法在边坡变形破坏时间预报中是有效可行的。

基于小波变换和AR-LSSVM的非平稳时间序列预测

提出一种基于二进正交小波变换和AR-LSSVM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,对低频信息则用最小二乘支持向量机进行拟合;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.研究结果表明,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.

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具,针对该方法中趋势项难以确定的问题,提出一种基于双树复小波变换的方法,实现了非平稳信号的多重分形自适应去趋势波动分析.利用双树复小波变换提取信号的多尺度趋势和波动信息,通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度,使多重分形分析具有信号自适应性及较高的计算效率.以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性,所得结果与解析解相吻合.与传统的多项式去趋势多重分形方法相比,本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度,所得结果更加精确.对倍增级联信号时间序列取不同的长度,验证了算法的稳定性.分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较,表明本文方法具有更精确的结果和更快的运算速度.

多元非平稳时间序列分析的滑坡变形预测研究

目前滑坡变形预测的时间序列模型为单变量模型,仅考虑时间-位移关系,未能考虑诱发因素对滑坡位移的影响,因此,建立多变量的时间序列模型十分必要。应用多元非平稳时间序列分析方法,建立了滑坡变形趋势的误差修正模型(ECM),实现了滑坡诱发因素和位移动态变化的综合分析。以三峡库区秭归县白水河滑坡为例,取监测点ZG93为代表,建立了基于多元时间序列分析的误差修正预测模型,并计算预测误差,结果显示,除个别数据点之外,预测误差均在±2.3%以内。

重尾平稳序列的大偏差(英文)

文给出了一类重尾的随机变量序列{Xn,n≥1}的部分和 与随机和 的大偏差结果,其中 是一族非负整值的随机变量.{Xn,n≥1} 是非负的平稳过程,并且与{N(t),t≥0}独立.本文将独立同分布情形的结果推广到了平稳相依的情形.

一种非线性非平稳时间序列预测建模方法

提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的.

基于小波变换和均生函数周期外推组合模式的非平稳时间序列分析与长期预测

提出了利用小波变换和均生函数周期外推组合模式进行时间序列长期预测的方法.基于小波多分辨率分析理论,非平稳时间序列被分解为多个相对简单的准周期信号,信号的趋势项、周期项和随机项被分离出来.然后采用均生函数周期外推预报模式对这些准周期信号进行预报,此方法能有效的提高预报长度,并能获得较高的建模及预报精度.仿真采用两个典型实例进行验证,结果表明了方法的正确性和有效性.

基于小波消噪的平稳时间序列分析方法在降雨量预测中的应用

小波消噪与时间序列分析方法在预测领域中应用十分广泛,但是在降雨量的预测中应用不多。在基于小波消噪的基础上应用时间序列中平稳时间学列方法对降雨量进行预测,结果显示,应用该方法有效地提高了降雨量的预测精度。用丹东地区1971-2006年的降雨量作为历史数据,建立降雨量预测模型,结果表明新模型算法简单、精度较高,比传统的拓扑预测模型效果更好,为降雨量预测提供了一种行之有效的方法。

非平稳时间序列的陀螺随机漂移数据处理方法

以挠性陀螺的随机漂移为研究对象,采用非平稳时间序列分析法和基于小波分解的平稳时间序列分析法,建立相应的随机漂移模型。实验研究结果表明,论文采用的建模方法,具有建模精度高、符合陀螺随机漂移实际特性的特点。

面向不平稳径流序列的中长期径流预测方法

针对不平稳序列中长期径流预测精度低的问题,构建了趋势分析与周期叠加组合的预测方法。利用逐步回归趋势分析技术将不平稳径流序列分离为趋势序列和平稳序列两部分,对趋势序列采用趋势回归技术进行预测,对平稳序列采用周期均值叠加技术进行预测,然后将两者预测结果叠加得到最终的预测值。以黄河中游3个水文测站为例进行实例检验,结果表明:趋势序列采用逐步回归技术进行预测,能更准确表达序列的趋势性,从而提高预测精度;采用趋势分析与周期叠加组合的方法模拟月径流量,效果明显好于直接采用周期叠加的方法,能达到中长期径流预测的精度要求。

企业市场化、对外开放与中国经济增长——基于非平稳面板时间序列数据的经验分析

始于1978年的中国的经济体制改革极大地释放了中国的潜在生产力,促进了经济的持续快速增长。本文基于我国分省市面板数据(Panel Data),运用面板单位根和面板协整等非平稳面板时间序列数据分析方法对我国的经济体制改革在经济发展中的作用进行了实证研究,研究发现中国的企业市场化和对外开放进程促进了经济增长,改革开放以来的经济体制改革通过提高生产效率在中国经济发展中扮演了及其重要的作用。

基于非平稳时间序列的陀螺漂移性能建模与预测方法研究

研究了利用Kalman滤波和小波分析两种方法对陀螺漂移非平稳时间序列建模预测的基本思想和具体算法。实验证明,这两种方法较传统的差分法优越,可以很好地完成非平稳时间序列的建模预测,并且通过比较分析了它们各自的优缺点,为选用合理的建模方法提供了依据。

平稳序列的GPD模型在风险测度中的应用

文章旨在运用极值理论提高VaR的适用性和估计的精确度。VaR技术作为一种统计方法常用来测度金融市场风险,极值理论则是研究随机变量或过程的极端情形的统计规律性。然而,经典的极值模型要求金融时序服从独立同分布条件。考虑满足平稳性条件下的金融时序,针对序列相关引致的极值成串现象,引入极值指标来刻画极值数据间的相关结构,采用除串技术过滤数据的相关性,进而得到渐进独立的同分布序列,再构建GPD模型来测度VaR。实证分析和回测检验表明:改进的GPD阈值模型具有对风险测度的有效性和精确性。

一类平稳高斯序列超过数点过程与部分和的联合极限分布

主要讨论了一类平稳高斯序列的超过数点过程与部分和的联合极限分布,同时说明了极值与部分和是渐近独立的。

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。