復(fù)雜系統(tǒng)中非線性時(shí)間序列的若干問(wèn)題研究
發(fā)布時(shí)間:2021-10-18 13:53
在復(fù)雜系統(tǒng)中,隨著時(shí)間的推移產(chǎn)生的一系列數(shù)據(jù),稱之為時(shí)間序列。時(shí)間序列中各時(shí)間點(diǎn)的數(shù)據(jù)往往是不獨(dú)立的,然而許多傳統(tǒng)的統(tǒng)計(jì)方法都要求數(shù)據(jù)是獨(dú)立的,很明顯不適用于時(shí)間序列的分析。另外時(shí)間序列往往是非線性的,許多性能良好的線性方法也不能很好地應(yīng)用在非線性時(shí)間序列上。因此,本文針對(duì)非線性時(shí)間序列展開(kāi)若干方面的研究。具體說(shuō)來(lái),首先我們使用改進(jìn)的熵方法來(lái)度量復(fù)雜系統(tǒng)中非線性時(shí)間序列的復(fù)雜度。然后,我們分析非線性時(shí)間序列之間的交叉相關(guān)性,提出去趨勢(shì)移動(dòng)平均偏交叉相關(guān)性分析的方法來(lái)準(zhǔn)確度量非線性時(shí)間序列間的交叉相關(guān)性,并將其應(yīng)用于股票指數(shù)的研究。最后,本文在金融時(shí)間序列預(yù)測(cè)方面做了嘗試,提出了集成經(jīng)驗(yàn)?zāi)J椒纸馀c多維k近鄰結(jié)合的方法預(yù)測(cè)股票指數(shù)的收盤(pán)價(jià)和最高價(jià)。首先,本文探究復(fù)雜系統(tǒng)中時(shí)間序列的復(fù)雜性。我們提出加權(quán)多元復(fù)合多尺度樣本熵方法和加權(quán)符號(hào)置換熵方法來(lái)度量時(shí)間序列的復(fù)雜性。加權(quán)多元復(fù)合多尺度樣本熵作為時(shí)間序列復(fù)雜度的測(cè)度技術(shù),不僅解決了多元多尺度樣本熵因?yàn)榇至;^(guò)程導(dǎo)致不準(zhǔn)確結(jié)果的問(wèn)題,而且克服了多元多尺度樣本熵方法不能檢測(cè)到信號(hào)的突變,忽略不同模式之間的差異這些局限性。加權(quán)符號(hào)置換熵通過(guò)對(duì)每個(gè)...
【文章來(lái)源】:北京交通大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:80 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2-1:原始多尺度樣本熵(MSE)、多元多尺度樣本熵(MMSE)、加權(quán)多元??
X"?entropy?(MCMSE)??????圖2-1:原始多尺度樣本熵(MSE)、多元多尺度樣本熵(MMSE)、加權(quán)多元??多尺度樣本熵(WMMSE)、多元復(fù)合多尺度樣本熵(MCMSE)與加權(quán)多元復(fù)??合多尺度樣本熵(WMCMSE)之間的關(guān)系。??Fig.2-1:?The?relations?among?original?multiscale?sample?entropy?(MSE),?multivariate??multiscale?sample?entropy?(MMSE),?weighted?multivariate?multiscale?sample?entropy??(WMMSE),?multivariate?composite?multiscale?sample?entropy?(MCMSE)?and??weighted?multivariate?composite?multiscale?sample?entropy?(WMCMSE).??yv?=?1000,2000,5000,10000,20000,50000的樣本進(jìn)行隨機(jī)序列實(shí)驗(yàn)。結(jié)果表明,??將WMMSE算法應(yīng)用于不同數(shù)據(jù)長(zhǎng)度的隨機(jī)序列,得到的熵值基本相等。一般??來(lái)說(shuō),WMMSE的結(jié)果對(duì)參數(shù)r比較敏感。??下一步,在圖2-3我們給出了在數(shù)據(jù)長(zhǎng)度10000,?M=?[2,2],?t=?[1,1]??和/'?=?0.15下
?Scale?factor?Scale?factor??圖2-4:噪聲與噪聲加脈沖之間的熵值和標(biāo)準(zhǔn)差隨尺度的變化的比較。??Fig.2-4:?The?comparison?of?the?values?of?the?entropy?and?standard?deviation?between??noise?and?noise?plus?impulse?versus?scale.??14??
【參考文獻(xiàn)】:
期刊論文
[1]交通運(yùn)輸網(wǎng)絡(luò)復(fù)雜性及其相關(guān)問(wèn)題的研究[J]. 高自友,吳建軍,毛保華,黃海軍. 交通運(yùn)輸系統(tǒng)工程與信息. 2005(02)
本文編號(hào):3442917
【文章來(lái)源】:北京交通大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:80 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2-1:原始多尺度樣本熵(MSE)、多元多尺度樣本熵(MMSE)、加權(quán)多元??
X"?entropy?(MCMSE)??????圖2-1:原始多尺度樣本熵(MSE)、多元多尺度樣本熵(MMSE)、加權(quán)多元??多尺度樣本熵(WMMSE)、多元復(fù)合多尺度樣本熵(MCMSE)與加權(quán)多元復(fù)??合多尺度樣本熵(WMCMSE)之間的關(guān)系。??Fig.2-1:?The?relations?among?original?multiscale?sample?entropy?(MSE),?multivariate??multiscale?sample?entropy?(MMSE),?weighted?multivariate?multiscale?sample?entropy??(WMMSE),?multivariate?composite?multiscale?sample?entropy?(MCMSE)?and??weighted?multivariate?composite?multiscale?sample?entropy?(WMCMSE).??yv?=?1000,2000,5000,10000,20000,50000的樣本進(jìn)行隨機(jī)序列實(shí)驗(yàn)。結(jié)果表明,??將WMMSE算法應(yīng)用于不同數(shù)據(jù)長(zhǎng)度的隨機(jī)序列,得到的熵值基本相等。一般??來(lái)說(shuō),WMMSE的結(jié)果對(duì)參數(shù)r比較敏感。??下一步,在圖2-3我們給出了在數(shù)據(jù)長(zhǎng)度10000,?M=?[2,2],?t=?[1,1]??和/'?=?0.15下
?Scale?factor?Scale?factor??圖2-4:噪聲與噪聲加脈沖之間的熵值和標(biāo)準(zhǔn)差隨尺度的變化的比較。??Fig.2-4:?The?comparison?of?the?values?of?the?entropy?and?standard?deviation?between??noise?and?noise?plus?impulse?versus?scale.??14??
【參考文獻(xiàn)】:
期刊論文
[1]交通運(yùn)輸網(wǎng)絡(luò)復(fù)雜性及其相關(guān)問(wèn)題的研究[J]. 高自友,吳建軍,毛保華,黃海軍. 交通運(yùn)輸系統(tǒng)工程與信息. 2005(02)
本文編號(hào):3442917
本文鏈接:http://sikaile.net/jingjilunwen/hongguanjingjilunwen/3442917.html
最近更新
教材專著