导读:本文包含了非平稳时间序列论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:序列,时间,平稳,频谱,分解,电磁,标度。
非平稳时间序列论文文献综述
胡日成,金翔,王冬法,王麦静,吴潇然[1](2019)在《基于非平稳时间序列的日现金流预测》一文中研究指出电力公司每日售电实际收入的有效预测是实现国家电网强化存量资金高效运作以及现金流量预算按日排程的关键.由于居民用户的用电往往具有很明显的季节性影响,冬天和夏天空调使用频率高,导致这两个季节的用电量会相对较多;周末与非周末的缴费行为也会有明显的差异(周末效应).同时由于用户的缴费方式和行为的不同,特别是由于每月缴费时间的差异,使得所缴款项在每月的到账时间会有较大的波动,从而使得日现金流的预测变得很困难.针对上面存在的问题,本文提出了利用分段多阶差分非平稳时间序列探讨数据结构的周期性和非平稳特性.(本文来源于《高校应用数学学报A辑》期刊2019年03期)
刘颉羲,陈松灿[2](2019)在《基于混合门单元的非平稳时间序列预测》一文中研究指出非平稳多变量时间序列(non-stationary multivariate time series, NSMTS)预测目前仍是一个具有挑战性的任务.基于循环神经网络的深度学习模型,尤其是基于长短期记忆(long short-term memory, LSTM)和门循环单元(gated recurrent unit, GRU)的神经网络已获得了令人印象深刻的预测性能.尽管LSTM结构上较为复杂,却并不总是在性能上占优.最近提出的最小门单元(minimal gated unit, MGU)神经网络具有更简单的结构,并在图像处理和一些序列处理问题中能够提升训练效率.更为关键的是,实验中我们发现该门单元可以高效运用于NSMTS的预测,并达到了与基于LSTM和GRU的神经网络相当的预测性能.然而,基于这3类门单元的神经网络中,没有任何一类总能保证性能上的优势.为此提出了一种线性混合门单元(MIX gated unit, MIXGU),试图利用该单元动态调整GRU和MGU的混合权重,以便在训练期间为网络中的每个MIXGU获得更优的混合结构.实验结果表明,与基于单一门单元的神经网络相比,混合2类门单元的MIXGU神经网络具有更优的预测性能.(本文来源于《计算机研究与发展》期刊2019年08期)
李超[3](2019)在《非平稳时间序列的偏度和复杂性度量研究》一文中研究指出近些年来,非平稳时间序列的的偏度和复杂性研究受到越来越多的关注,而对应的模型和方法都被广泛地运用于经济学,生理学,社会学等领域。本文提出了几种新的研究时间序列的偏度和复杂性度量方法,并将这些模型应用于金融和生理等时间序列中。本文首先提出的是广义偏度模型,广义偏度模型不仅可以很好的研究对于金融时间序列的历史股价收益和未来波动性之间的相关性,而且可以研究不同股指和个股的偏度衰减天数和振幅大小。在本文中首先我们通过ARMA序列和ARFIMA序列来模拟实际序列并研究历史股价和未来波动性之间的关系。之后采用实际金融市场中的全球股指和美国个股数据对该模型的严谨性和准确性加以证明。对于实验的数据结果,采用指数函数进行拟合,并通过广义偏度分析模型对波动性结果给予量化与分析。之后,再对模型进行定量分析,将历史价格数据点的时间段进行划分,得到不同时间段期间的区别,得到金融危机期间的价格波动性和非金融危机间的波动性之间的区别和联系。此外我们还将偏度进行进一步研究,探讨在负定义上波动性的关系。其次,本文还提出了一种新的研究时间序列复杂性的度量方法——多标度Tsallis置换熵分析。该模型是在香农熵的基础上进行了改进。相比于香农熵,Tsallis置换熵更注重研究和Hurst指数之间的相关性。同样关于嵌入维度和延迟时间的选取都对序列的复杂性起到至关重要的影响。我们先采用AR模型序列来验证了这种模型的有效性。之后对不同健康状况下的人群的心电时间序列(ECG图)进行多标度分析并研究健康和疾病患者的心电序列的差异。而对应的数值结果也从侧面刻画了我们提出的基于负的Tsallis熵指数的最大熵原理的有效性。最后,在复杂度分析的基础上,我们构造出不同动力系统下的顺序矩阵模型并通过顺序矩阵的数目来判断非平稳时间序列的分类,主要包括周期性序列,准周期序列,混沌序列和完全随机序列。再通过构造多元函数的形式对于顺序矩阵的数目采用最小均方误差进行拟合。并随之得到不同阶数下的顺序矩阵的最优数目。对应的实验结果可以帮助我们在研究不同系统下的非平稳序列时提供有效的参考和决策。(本文来源于《北京交通大学》期刊2019-05-01)
谢华为[4](2018)在《基于ARMA平稳时间序列的道路交通事故预测》一文中研究指出为更好地进行道路交通安全评价、道路交通规划以及事故防治,采用时间序列分析法,分析事故发生起数时间序列上的趋势性规律,进行数据预处理和模型的识别与检验,并建立ARMA(2,1)预测模型,运用2003年至2015年全国道路交通事故起数进行分析和建模,并对2011年至2015年数据进行预测.研究结果表明:预测的趋势与实际的趋势基本一致,最大误差率为3.905%,综合误差率仅为1.366%,精度较高,效果较理想.(本文来源于《宁德师范学院学报(自然科学版)》期刊2018年03期)
凌点熠[5](2018)在《非平稳时间序列的多重分形时间加权去趋势偏互相关分析》一文中研究指出当共同因素强烈影响复杂自然社会系统中同时记录的两个互相关的时间序列时,在不考虑这些潜在因素,直接使用去趋势互相关分析的情况下,结果会有所偏差。本文基于多重分形时间加权去趋势互相关分析(MF-TWXDFA)和多重分形去趋势偏互相关分析(MF-DPXA),提出一种新的方法一多重分形时间加权去趋势偏互相关分析(MF-TWDPCCA)。该算法的创新在于处理受到共同外力影响的两条时间序列时,引入了偏相关分析,以刻画消除其余潜在时间序列影响后,两条时间序列之间真实的互相关性,即偏互相关性。我们通过数值模拟,证明了MF-TWDPCCA偏互相关系数比MF-DPXA偏互相关系数更有优势。为了进一步展示多重分形时间加权去趋势偏互相关分析(MF-TWDPCCA)算法的效用,我们通过数值模拟对仿真序列进行重分形性质的分析,发现MF-TWDPCCA算法能揭示隐藏在两条时间序列之间的真实的互相关性(偏互相关性),而MF-TWXDFA未能做到,这也说明了在分析受共同外力影响的两条非平稳时间序列的相关性时,进行偏互相关分析是很有必要的。(本文来源于《湘潭大学》期刊2018-04-10)
张生宇[6](2017)在《基于非平稳时间序列模型的小凌河流域生态足迹动态预测研究》一文中研究指出采用非平稳时间序列模型对小凌河流域生态足迹进行动态预测。预测结果表明:从2011年开始小凌河流域生态赤字(生态足迹和生态承载能力之间差值)将逐年递减,城镇用地生态足迹变幅大于其他用地方式;在流域生态保护下,未来流域生态承载力将逐步增加,而水消耗和水污染生态足迹依然是流域生态足迹变化的主因。研究成果为流域生态环境评估提供方法参考。(本文来源于《水土保持应用技术》期刊2017年05期)
白朝阳,胡子涵,刘晓莹[7](2017)在《面向装备制造业的非平稳时间序列需求组合预测方法》一文中研究指出针对装备制造业的物料需求量时间序列数据非平稳的特性,提出一种基于经验模态分解(EMD)和最小二乘支持向量机(LSSVM)的组合预测模型.运用EMD方法将非平稳时间序列分解为一系列的本征模函数(IMF)和一个残差项(Res),然后结合业务实际将各IMF合成为高频、低频两部分,分别代表短期波动和长期趋势,挖掘出更多的信息再结合最小二乘支持向量回归(LSSVR)模型进行组合预测.实证结果表明EMD-LSSVR组合预测可以高效预测非平稳物料需求时间序列且相比传统方法预测精度较高.(本文来源于《信息与控制》期刊2017年04期)
魏鸿浩,贾云峰[8](2017)在《一种非平稳非线性频谱占用度时间序列分析方法》一文中研究指出针对传统频谱占用度分析模型由于未考虑序列的非线性非平稳特性,导致无法准确描述频谱占用度特性的问题,该文提出将集合经验模式分解(EEMD)方法与人工神经网络(ANN)的方法结合应用于频谱占用度时间序列建模方法中,采用EEMD+ANN的频谱占用度序列建模和预测方法.首先应用EEMD分解算法把原始频谱占用度时间序列分解成不同尺度的基本模态分量,再根据不同尺度的基本模态分量分别构建ANN模型,提高了模型针对复杂频谱占用度时间序列的学习能力.结合实测数据分析,表明该模型相对传统频谱占用度模型具有更高的拟合和预测精度,验证了该方法的正确性与有效性.(本文来源于《电子学报》期刊2017年08期)
鲁帆,肖伟华,严登华,王浩[9](2017)在《非平稳时间序列极值统计模型及其在气候-水文变化研究中的应用综述》一文中研究指出伴随全球气候变暖和平均海平面持续上升,极端气象事件出现的频率增加、强度增大,气候变化已经成为导致水文极值非平稳性的一个重要原因。本文总结了气候-水文变化研究中常用非平稳时间序列极值统计模型的结构以及统计推断方法,从降雨极值变化、洪水极值变化等方面分析了非平稳时间序列极值统计模型在气候-水文变化研究中的典型应用案例。国内外研究表明:非平稳时间序列极值统计模型能体现水文极值随时间或协变量的变化情势,非平稳情况下水文极值重现期和风险的概念和计算方法与传统平稳时间序列的频率分析相比存在显着差异。最后对需要进一步研究的问题进行了展望。(本文来源于《水利学报》期刊2017年04期)
李铁峰[10](2016)在《我国经济增长与收入分配关系的非平稳时间序列分析》一文中研究指出随着国民经济的增长,扩大及缩小居民收入不平衡的力量双双存在。非平稳时间序列法分析显示,我国国民经济的增长与居民收入分配不平衡间存在着协整关系。短期关系上看,国民经济体制的变迁与国民经济政策的制定对于居民收入分配不平衡的影响极大;长期关系上看,国民经济的增长与居民收入的不平衡呈现出一种正相关关系。(本文来源于《当代经济》期刊2016年36期)
非平稳时间序列论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
非平稳多变量时间序列(non-stationary multivariate time series, NSMTS)预测目前仍是一个具有挑战性的任务.基于循环神经网络的深度学习模型,尤其是基于长短期记忆(long short-term memory, LSTM)和门循环单元(gated recurrent unit, GRU)的神经网络已获得了令人印象深刻的预测性能.尽管LSTM结构上较为复杂,却并不总是在性能上占优.最近提出的最小门单元(minimal gated unit, MGU)神经网络具有更简单的结构,并在图像处理和一些序列处理问题中能够提升训练效率.更为关键的是,实验中我们发现该门单元可以高效运用于NSMTS的预测,并达到了与基于LSTM和GRU的神经网络相当的预测性能.然而,基于这3类门单元的神经网络中,没有任何一类总能保证性能上的优势.为此提出了一种线性混合门单元(MIX gated unit, MIXGU),试图利用该单元动态调整GRU和MGU的混合权重,以便在训练期间为网络中的每个MIXGU获得更优的混合结构.实验结果表明,与基于单一门单元的神经网络相比,混合2类门单元的MIXGU神经网络具有更优的预测性能.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非平稳时间序列论文参考文献
[1].胡日成,金翔,王冬法,王麦静,吴潇然.基于非平稳时间序列的日现金流预测[J].高校应用数学学报A辑.2019
[2].刘颉羲,陈松灿.基于混合门单元的非平稳时间序列预测[J].计算机研究与发展.2019
[3].李超.非平稳时间序列的偏度和复杂性度量研究[D].北京交通大学.2019
[4].谢华为.基于ARMA平稳时间序列的道路交通事故预测[J].宁德师范学院学报(自然科学版).2018
[5].凌点熠.非平稳时间序列的多重分形时间加权去趋势偏互相关分析[D].湘潭大学.2018
[6].张生宇.基于非平稳时间序列模型的小凌河流域生态足迹动态预测研究[J].水土保持应用技术.2017
[7].白朝阳,胡子涵,刘晓莹.面向装备制造业的非平稳时间序列需求组合预测方法[J].信息与控制.2017
[8].魏鸿浩,贾云峰.一种非平稳非线性频谱占用度时间序列分析方法[J].电子学报.2017
[9].鲁帆,肖伟华,严登华,王浩.非平稳时间序列极值统计模型及其在气候-水文变化研究中的应用综述[J].水利学报.2017
[10].李铁峰.我国经济增长与收入分配关系的非平稳时间序列分析[J].当代经济.2016