非平稳时序数据的分段辨识及其递推算法

在实际生活中,广泛地存在着一类在整体上属于非平稳但又可转化为数段局部平稳的时序数据,对该类非平稳时序数据的辨识问题进行了研究,并提出了一种具有递推机制的分段辨识算法.该算法从平稳时序数据的定义出发,以均值、方差及自相关函数等数字统计特征为校验统计量,构造了具有递推机制的均值突变点、方差突变点及自相关函数突变点的析出算法,在此基础上,从被辨识的非平稳序列中划分出数段局部平稳的子序列,进一步,应用Burg算法对各局部平稳子序列进行了自回归的递推辨识.实验表明,新设计的算法能以较小的位置偏差析出各局部平稳子序列的分界点,同时,在保证较高精度的辨识条件下,计算效能获得了显著的提升.

基于自相关函数的非平稳时序数据的辨识改进

由于自相关函数刻画了时序数据在不同时刻取值的线性相关程度,故其在时序数据的统计分析中得到了广泛的应用。讨论了基于FFT变换的自相关函数计算原理,结合非平稳时序数据的辨识需求,基于自相关函数理论对趋势和周期成份的分离次序以及残留序列的随机类型识别等问题进行了深入分析,进一步提出了一种改进的非平稳时序数据的辨识算法。实验验证了改进算法的合理性和有效性。