检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于经验模态分解的非平稳水文序列预测研究

水力发电学报 2015年第12期34卷 42-53页

作者：张洪波王斌兰甜陈克宇长安大学环境科学与工程学院西安710054 长安大学旱区地下水文与生态效应教育部重点实验室西安710054

在全球气候变化和人类活动影响下,降雨和径流过程的非平稳特征日趋显化,如何通过有效的方法提高预测精度,准确地预测非平稳时间序列变化,为管理者提供决策支持至关重要。经验模态分解(EMD)是"分解—预测—重构"预测模式中的重要方法之一... 详细信息

在全球气候变化和人类活动影响下,降雨和径流过程的非平稳特征日趋显化,如何通过有效的方法提高预测精度,准确地预测非平稳时间序列变化,为管理者提供决策支持至关重要。经验模态分解(EMD)是"分解—预测—重构"预测模式中的重要方法之一,通过其与径向基神经网络(RBF)的耦合,构建了改进RBF预测方法,研究了"分解—预测—重构"预测模式对渭河流域降雨(弱趋势)和径流(强趋势)两种非平稳时间序列的预测效果,总结了"分解—预测—重构"模式的适应范围。同时,针对重构过程中高频分量误差偏大的问题,提出了误差控制的改进措施。计算结果显示,RBF神经网络对具有弱趋势的非平稳时间序列(降雨)可获得比较满意的预测效果,平均相对误差为11%,是否分解预测对其预测精度影响不大;而对具有强趋势的非平稳时间序列(径流),RBF神经网络模型的预测效果并不理想,平均相对误差达到54%,而经过分解—预测—重构处理后,平均相对误差可降至30%,基本满足中长期水文预测精度要求。且若实施误差控制,平均相对误差可再减小2%。研究表明,"分解—预测—重构"的处理方法适用于具有强趋势变化的非平稳时间序列,其特点在于可有效分离时间序列中的周期和趋势变化成分,预测中使不同成分得到有效外延。同时,这种处理思路与径流序列基于物理驱动机制的普遍认识较为相符,更有利于开展有关水文过程的扩展性分析。误差控制方法在径流预测中能有效降低高频分量预测误差对整体预测效果的影响,可为其他类似的非平稳时间序列预测提供借鉴。

关键词：非平稳序列径流预测经验模态分解误差控制渭河

在线全文

学校读者我要写书评

暂无评论

非平稳时间序列多维隐状态的预测机制

计算机工程 2024年

作者：张潇李德识武汉大学电子信息学院

时间序列预测可广泛应用于工业生产、金融决策和灾害预警等领域。然而现有预测方法的研究对象大多是平稳时间序列，难以准确捕捉非平稳序列的演化特征。对于非平稳时序的预测方法也未能有效捕捉序列的多维特征，对序列动态感知不够完整... 详细信息

时间序列预测可广泛应用于工业生产、金融决策和灾害预警等领域。然而现有预测方法的研究对象大多是平稳时间序列，难以准确捕捉非平稳序列的演化特征。对于非平稳时序的预测方法也未能有效捕捉序列的多维特征，对序列动态感知不够完整，从而降低了预测的准确性。鉴于此，提出了一种针对非平稳时序的预测机制，通过建模影响序列平稳性的季节性、局部趋势、长期趋势特征，提取非平稳时间序列的多维隐状态。再通过前向后向算法与极大似然法结合计算最大转移概率，进而实现状态预测。由于该机制考虑了多种潜在非线性因素对非平稳序列的影响，且通过感知全局状态转移计算最大转移概率，从而提升了预测的准确性。最后，通过方案级预测实例证实了所提出机制预测的有效性。在九种不同领域的非平稳时序数据集上进行了消融实验，对比了该机制各部分对于预测准确性的影响。并与常见预测模型、最新的相似模型等十种方法进行了对比，结果表明，该机制在平均绝对百分比误差、均方根误差等方面与单维度预测方法相比降低了80%，平均绝对百分比误差在0.01以内，且均方根误差也较多数方法更小，在金融领域的数据集上Legates-McCabe指数接近于1，是一种兼具鲁棒性和准确性的方法。

关键词：特征提取状态转移链时间序列预测非平稳序列隐状态

基于极点对称模态分解的中长期径流预报组合模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

水力发电学报 2024年第7期43卷 30-40页

作者：李继清刘洋张鹏陈景华北电力大学水利与水电工程学院北京102206 广西平班水电开发有限公司广西百色533000

为提高径流预报精度,解决径流序列分解后高频分量波动范围大、预报精度差的问题,基于极点对称模态分解法(ESMD)平稳化处理技术将径流序列分解,通过分析不同频率分量特征,择优选取预报方法,结合粒子群优化最小二乘支持向量机(PSO-LSSVM)... 详细信息

为提高径流预报精度,解决径流序列分解后高频分量波动范围大、预报精度差的问题,基于极点对称模态分解法(ESMD)平稳化处理技术将径流序列分解,通过分析不同频率分量特征,择优选取预报方法,结合粒子群优化最小二乘支持向量机(PSO-LSSVM)全局优化和非线性建模能力及适应性强的特点,对高频分量进行预测,利用BP神经网络非线性映射能力和逼近任意非线性函数的优势对中低频分量和趋势分量进行预报,构建了ESMD-PSO-LSSVM-BP组合预报模型,对西江干流上中下游三座水文站的年、月尺度径流开展中长期径流预报。结果表明,对不同频率分量采用不同预报方法的组合模型可以有效提高径流预报精度。

关键词：西江流域径流预报非平稳序列组合预报模型极点对称模态分解

在线全文

学校读者我要写书评

暂无评论

非平稳和长记忆时间序列主频率估计方法研究

天津大学学报（自然科学与工程技术版） 2003年第4期36卷 507-511页

作者：徐梅张世英樊智天津大学管理学院天津300072

许多经济时间序列表现出非平稳性和长记忆性,对这样的序列进行谱分析并估计其主频率,采用传统的谱分析方法已不适用.基于平稳和非平稳分数阶差分自回归滑动平均模型,研究了具有非平稳性和长记忆性序列的主频率的估计方法,同时提出了包... 详细信息

许多经济时间序列表现出非平稳性和长记忆性,对这样的序列进行谱分析并估计其主频率,采用传统的谱分析方法已不适用.基于平稳和非平稳分数阶差分自回归滑动平均模型,研究了具有非平稳性和长记忆性序列的主频率的估计方法,同时提出了包括模型定阶在内的基于极小化残差平方和的近似极大似然参数估计算法.通过对上海和深圳证券交易所综合指数收益序列的分析,说明了此方法的可行性和有效性.

关键词：经济时间序列非平稳序列长记忆序列主频率估计方法谱分析差分自回归滑动平均模型近似极大似然估计

基于改进自回归理论的非平稳气温变化预测模型研究

在线全文

学校读者我要写书评

暂无评论

科技资讯 2024年第14期22卷 241-244页

作者：邓巧玲湖南应用技术学院湖南常德415000

气温变化在时间尺度上通常表现为非平稳性,这给气温预测模型的研究带来了挑战。为了能有效地对未来的非平稳气温进行预测,基于自回归模型理论提出一种能处理非平稳气温变化的预测模型,选择1951—2020年常德市57662号站点中2月、5月、8月... 详细信息

气温变化在时间尺度上通常表现为非平稳性,这给气温预测模型的研究带来了挑战。为了能有效地对未来的非平稳气温进行预测,基于自回归模型理论提出一种能处理非平稳气温变化的预测模型,选择1951—2020年常德市57662号站点中2月、5月、8月、11月的平均气温数据对该模型的精度进行了检验,预测了该站点未来15年中2月、5月、8月、11月平均气温的变化情况。研究结果表明:改进的自回归模型在拟合精度上优于传统的自回归模型,其拟合系数最高可达到0.96,证明了该模型在处理非平稳气温变化预测问题上的可行性。

关键词：自回归理论非平稳气温变化非平稳序列预测模型平均气温

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于启发式分割算法的气候突变检测研究

物理学报 2005年第11期54卷 5494-5499页

作者：封国林龚志强董文杰李建平扬州大学物理科学与技术学院扬州225009 国家气候中心气候研究开放实验室北京100081 中国科学院大气物理研究所东亚区域气候-环境重点实验室北京100029

气候系统的非线性、多层次性和非平稳性对气候突变的检测方法提出了较高的要求.基于t检验将非平稳序列分割为多个不同尺度的自平稳子序列,Bernaola Galvan提出的启发式分割算法(BG算法),对非平稳时间序列的突变检测效果较好.在BG算法的... 详细信息

气候系统的非线性、多层次性和非平稳性对气候突变的检测方法提出了较高的要求.基于t检验将非平稳序列分割为多个不同尺度的自平稳子序列,Bernaola Galvan提出的启发式分割算法(BG算法),对非平稳时间序列的突变检测效果较好.在BG算法的基础上,通过理想时间序列验证BG算法处理非平稳时间序列的有效性,并对近2000a北半球树木年轮距平宽度序列基于不同层次的思想,检测和分析其中包含的各种尺度的气候突变事件,成功地区分不同尺度的突变.定义的新物理量——突变密度的分析表明,自然因素作用的基础上,人为因素影响的加剧可能导致近1000a来突变密集段和稀疏段分布失衡,这可能是全球变化的重要表现之一.

关键词：气候突变,均值段,突变密度,人为因素,全球变化突变检测分割算法气候系统启发式非平稳时间序列非平稳序列 BG算法气候突变非平稳性

基于ESMD-BP神经网络组合模型的中长期径流预报

在线全文

学校读者我要写书评

暂无评论

应用基础与工程科学学报 2020年第4期28卷 817-832页

作者：李继清王爽段志鹏李建昌华北电力大学水利与水电工程学院北京102206

径流预报的精度直接关系到流域水资源优化配置与综合利用的效益最大化.针对径流序列非线性、非平稳、直接预测精度低的特点,首次利用具有自适应性特点的极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法对径流... 详细信息

径流预报的精度直接关系到流域水资源优化配置与综合利用的效益最大化.针对径流序列非线性、非平稳、直接预测精度低的特点,首次利用具有自适应性特点的极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法对径流序列平稳化处理,结合可逼近任何非线性映射的误差反向传播网络(Back Propagation Neural Network,BP神经网络),建立ESMD-BP神经网络组合预报模型,并将其应用于黄河上游龙羊峡水库入库站唐乃亥站月径流和旬径流预报.首先,利用ESMD方法将径流序列中不同尺度的分量和趋势分量逐级提取出来,甄别了大尺度循环和非线性趋势;进而,分析径流周期和趋势变化规律;然后,利用BP神经网络将非平稳径流序列的直接预测转化为平稳的模态分量和趋势余项的预测,加和重构得到最终预测结果.并与单一BP神经网络、经验模态分解(Empirical Mode Decomposition,EMD)与BP神经网络组合模型作对比,结果表明:ESMD-BP神经网络组合模型的预报误差最小、预报精度最高.组合模型为"分解→预测→重构"模式,结合了EMD数据自适应分析和BP神经网络非线性映射的优点,提高了径流预报的准确率,为水文预报精度的提高开辟了新思路.

关键词：非平稳序列 ESMD ESMD-BP神经网络径流预报唐乃亥站不同时间尺度加和重构

在线全文

学校读者我要写书评

暂无评论

广义时变ARMA模型参数函数的确定方法

机械强度 2004年第6期26卷 636-641页

作者：傅惠民王治华北京航空航天大学固体力学研究所北京100083

提出一种确定广义时变ARMA模型参数函数的方法。该方法首先求得时间序列的均值函数和方差函数 ,并将广义时变ARMA模型转化为时变ARMA模型 ,然后通过样本周期图和多点平均方法得到时变参数的函数形式 ,再分别采用最小二乘法和极大似然法... 详细信息

提出一种确定广义时变ARMA模型参数函数的方法。该方法首先求得时间序列的均值函数和方差函数 ,并将广义时变ARMA模型转化为时变ARMA模型 ,然后通过样本周期图和多点平均方法得到时变参数的函数形式 ,再分别采用最小二乘法和极大似然法确定其中的待定参数。从而将一个复杂的时变问题转变为相对简单的时不变问题进行处理。

关键词：时间序列非平稳序列均值函数方差函数时变参数时变ARMA模型广义时变ARMA模型

在线全文

学校读者我要写书评

暂无评论

动态测量数据的高保真容错Q-滤波算法

宇航学报 2016年第1期37卷 112-117页

作者：胡绍林傅娜郭文明航天器故障诊断与维修重点实验室西安710043 西安理工大学自动化与信息工程学院西安710048

针对航天器遥测和跟踪数据非平稳、噪声干扰、数据散乱、野值多、真实信息往往被随机误差淹没等问题,提出一组新型滑动容错滤波算法,称Q-滤波容错算法。采用原始数据滑动四分位滤波和滤波残差四分位过滤补偿相结合的方式,实现各种带野... 详细信息

针对航天器遥测和跟踪数据非平稳、噪声干扰、数据散乱、野值多、真实信息往往被随机误差淹没等问题,提出一组新型滑动容错滤波算法,称Q-滤波容错算法。采用原始数据滑动四分位滤波和滤波残差四分位过滤补偿相结合的方式,实现各种带野值、非平稳、强噪声干扰和超低信噪比的采样数据序列剔除野值、削弱扰动和提取信号。理论分析、仿真计算和飞行数据应用实例证实了该Q-滤波算法有强容错能力和提取采样数据本真变化的能力,可以从被噪声淹没和低信噪比的非平稳采样数据序列中或者在采样数据变化形态杂乱的情况下,高保真地准确提取测量对象的真实变化信息。

关键词：容错滤波高保真非平稳序列野值