基于随机重排去趋势波动分析的极端高温事件研究及其综合指标的建立

基于中国气象局公布的1961-2006年中国165个国际交换站无缺测的逐日平均气温资料,利用随机重排去趋势波动分析(S-DFA)方法,计算并分析了中国极端高温事件阈值的空间分布特征,并对S-DFA方法在实际资料中的应用进行了检验。从可预报性的角度给出了极端高温事件强度综合指标的定义。该综合指标将极端高温事件的发生频次和强度综合起来,兼顾不同地区各自特有的区域气候背景,进一步说明综合指标定义的合理性。基于极端高温事件综合指标的空间分布规律,将1961-2006年间中国极端高温事件分为4个不同等级的地区。极端高温事件综合指标在20世纪90年代初期之前一直保持平稳的波动变化,之后则一直处于上升之中,尤其是在90年代中后期开始迅速上升。

基于随机重排去趋势波动分析的全国极端日降水事件综合指标

将去趋势波动分析法(Detrended Fluctuation Analysis,DFA)和替代数据法相结合,同时引入启发式分割算法和卡方检验,提出了一种确定极端气候事件阈值的新方法,称为随机重排去趋势波动分析(Stochastic resort detrended Fluctuation Analysis,S-DFA)方法。同百分位阈值方法相比,S-DFA方法明确指出了极端事件和非极端事件之间的临界值。利用随机重排去趋势波动分析(S-DFA)方法计算并分析了中国极端降水事件阈值的空间分布特征,并对S-DFA方法在实际资料中的应用进行了检验。基于极端降水事件综合指标将中国1961～2006年间极端降水事件分为3个不同等级的地区,进一步发现我国1961～2006年间极端降水的综合指标整体没有表现出明显的上升或下降趋势,保持平稳的波动变化。

基于随机重排去趋势波动分析的极端低温事件研究及其综合指标的建立

将去趋势波动分析法(detrended fluctuation analysis,DFA)和替代数据法相结合,同时引入启发式分割算法和卡方检验,提出了一种确定极端气候事件阈值的新方法,称为随机重排去趋势波动分析(stochastic re-sort detrended fluctuation analysis,S-DFA)方法.同百分位阈值方法相比,S-DFA方法明确指出了极端事件和非极端事件之间的临界值.基于中国气象局公布的中国165个国际交换站1961-2006年无缺测的逐日日平均气温资料,利用随机重排去趋势波动分析(S-DFA)方法计算并分析了中国极端低温事件阈值的空间分布特征,并对S-DFA方法在实际资料中的应用进行了检验.从可预报性的角度给出了极端低温事件综合指标的定义.这一综合指标将极端低温事件的发生频次和强度综合起来,且兼顾了不同地区各自特有的区域气候背景,进一步说明了综合指标定义的合理性.基于极端低温事件综合指标的空间分布规律,将中国1961-2006年间极端低温事件分为四个不同等级的地区.极端低温综合指标整体表现出下降趋势,在20世纪80年代初期之前综合指标的变化具有两个明显的准10年周期,而在这之后则一直处于下降趋势且大大低于平均值,直到90年代中期以后才再次上升至平均值附近.

Logistic满映射混沌序列的趋势波动分析

目的研究实际计算中不同初始值迭代之后产生的序列具有的标度指数,解决初始值的选择问题和以Logistic满映射为基础的伪随机数产生的长程相关性影响.方法针对Logistic满映射,采用了检验伪随机数序列的长程相关性的趋势波动分析(DFA)方法,实现了以Logis-tic满映射的混沌加密实际应用中可以选取的初值迭代产生的序列.结果不同的初值和序列的起始位置可以对Logistic满映射迭代产生的混沌序列的长程相关性有较大影响.以Logistic满映射为基础的实际应用可以选取初值在区间(0.349,0.440)和(0.544,0.570)迭代产生的序列.结论Logistic满映射混沌序列具有比较好的独立性,序列前后之间存在较小的相关性,能提高混沌序列的伪随机性.

一种基于DNA非趋势波动分析的动态递推算法

DNA随机游走原理的非趋势波动分析是研究长分子链排列顺序相关的重要方法，在经济金融波动问题中具有重要作用。本文改进了基于DNA非趋势波动分析方法，使之成为动态递推的算法，并且在股市波动中实际应用。

趋势动态分析预测模型

预测是利用过去和现在的资料,推断未来的发展趋势。在常用的预测方法中,时间序列法是通过数据的平滑处理,来削弱随机波动的影响,从而找出事物的发展趋势;相关分析法则是利用最小二乘原理,在残差平方和最小的意义下,从已知数据中找出事物发展的趋势。

基于改进MF-DFA和随机森林的液压阀故障诊断

多重分形去趋势波动分析(MF-DFA)能够有效地揭示隐藏在非线性和非平稳振动信号中的多重分形特征,而液压阀磨损产生的泄露故障信号往往具有非线性、非平稳,且不同严重程度故障信号特征难以辨识,MF-DFA扩展了液压阀的特征提取及故障诊断方法。然而MFDFA去趋势多项式阶数选取的不恰当往往会出现欠拟合或过拟合现象从而产生新的波动误差。为此,提出了一种改进MF-DFA方法实现故障特征提取。通过建立低阶多项式信号轮廓去趋势拟合曲线和不同时间尺度固有模态函数(IMF)之间的相关性,选取最优的IMF模态分量的累计和将其作为信号轮廓的趋势项,进而提取分型谱参数特征。最后,通过随机森林分类器进行故障模式识别。实验结果证实了所提出的方法在电液换向阀内泄漏故障诊断中的有效性。

彭山林场职工计划生育动态分析

我们根据彭山林场职工计划生育统计报表1987至1991年5年资料,取一胎数、绝育数、上环数、人工流产数、引产数5个指标,按年度顺序,进行比例趋势检验。记 a_i 为事件 A 在 i 年发生数,a_i 为 A 的逆事件在 i 年发生数,即 A 不发生数,n_i=a_i+a_i,

生物炭添加对盐渍土CT孔隙序列分形特征来源的影响

为了揭示生物炭改良土壤孔隙的复杂结构及其影响因素,以江苏滨海盐渍土为研究对象,采用添加生物炭改良盐渍土,设置0,2%,5%(占表层0—20 cm土重比)3个生物炭添加水平。每年10月在水稻收割后,采用塑料环刀取表层(0—20 cm)原状土,进行Micro-CT扫描获取土壤CT孔隙序列。基于多重分形去趋势波动分析理论,并结合数据重排,分析施加生物炭对CT孔隙序列多重分形特征及其来源的影响。结果表明,所有处理的CT孔隙序列的复杂度均随着年份增长;2%生物炭处理的CT孔隙序列的复杂程度较0和5%生物炭处理分别提高7.54%和5.28%;概率密度函数与长程相关性均影响CT孔隙序列的多重分形特征;孔隙和空间的长程相关性是主要影响因素;生物炭的添加促使孔隙分形特征更易受到土壤中生物微生物活动的影响。研究结果为定量化分析生物炭改良盐渍土孔隙结构提供了理论支持。

基于EMD-DFA-小波阈值的MEMS陀螺信号去噪方法

针对MEMS陀螺仪输出信号中噪声较大的问题,提出了一种EMD-DFA-小波阈值去噪的方法。利用EMD理论将信号按照频率高低分解为若干IMF分量和余量,将DFA方法应用到噪声与信息主导的IMF分量临界点的判定中,并通过仿真实验证明了DFA判定方法的有效性。针对传统EMD去噪方法直接去除噪声分量导致的信号缺失等问题,采用小波阈值去噪法对噪声主导的IMF分量去噪后再与低频分量重构,最大程度地保留了有用信息。同时,对小波阈值去噪的核心步骤进行了改进采用随分解尺度的增加而逐渐减小的动态阈值选取规则,最大程度上保留了各层的有用信号;对阈值函数进行了改进,既对较大的小波系数进行了收缩变换,又保留了较小的小波系数,使之兼顾软、硬阈值函数的性能。为验证提出方法的有效性,分别对仿真信号和实测MEMS陀螺仪数据进行了去噪分析,结果表明和传统EMD去噪法相比,新方法去噪后的均方差降低了22%,信噪比提高了59%;和EMD-DFA-传统小波阈值去噪相比,均方差降低了12%,信噪比提高了13%。

国内中文报刊重要科技文章篇目辑览

(J代表期刊,其后数字是发表期数;N代表报纸,其后数字是发表日期;带*者为其所发表期刊编辑部推荐)数学类M-P逆在线性随机方程中的应用(姚落根,等)

基于模型比较视角的我国区域技术效率再估计

基于模型视角,对CSSW、CSSG、BC及KSS四种经典的随机前沿测算模型进行了比较研究,并对1997—2010年间我国区域技术效率进行了再估计。研究发现:(1)蒙特卡罗仿真表明,当模型不存在内生性时,并不存在哪一种模型更为可靠;当模型存在内生性时,鉴于在技术非效率项和内生性处理的优越性,KSS模型是目前相对较好的测算模型。(2)格兰杰因果检验、Hausman-Wu检验及随机误差项正态分布检验共同表明,在利用对数型柯布—道格拉斯生产函数进行估计时,模型本身存在内生性,前人利用BC模型得到的结论可信度较低。(3)我国整体及区域技术效率水平仍然较低,并呈现涨跌互动的波动趋势,而非单调递增或递减;2008年之前东部地区技术效率水平最高,随后被中部地区赶超,并呈现差异扩大化趋势。

基于改进集合经验模态分解的陀螺信号降噪方法

为了抑制陀螺仪的非线性、非平稳噪声,提出了一种改进的基于集合经验模态分解(EEMD)的降噪方法KEMD-M。首先,通过EEMD阈值滤波得到信息主导和噪声主导的固有模态函数(IMF)分量;将EEMD应用于第一次阈值滤波中被丢弃的IMF分量.提取信号的细节信息;采用去趋势波动分析(DFA)法定义每一个IMF分量的尺度指数,实现二次分解中有用分量的进一步提取;将两次滤波得到的有用IMF分量进行重构.得到降噪后的信号。为了验证EEMD-M的有效性,进行了实测数据的降噪实验。结果表明所提EEMD-M优于经验模态分解(EMD)降噪、DFA-EMD降噪、EEMD降噪和小波分析方法。实测数据的均方误差降低了82.9%.随机漂移得到明显抑制,这验证了EEMD-M的可行性和优越性,提高了微机电系统陀螺在光学图像处理中的稳定性和可靠性。

KDJ指标

KDJ指标又叫随机指标，是一种相当新颖、实用的技术分析指标，它起先用于期货市场的分析，后被广泛用于股市的中短期趋势分析，是期货和股票市场上最常用的技术分析工具。随机指标KDJ是以最高价、最低价及收盘价为基本数据进行计算，得出的K值、D值和J值分别在指标的坐标上形成的一个点，连接无数个这样的点位，就形成一个完整的、能反映价格波动趋势的KDJ指标。