时间序列分析的小波方法

本书介绍了时间序列的小波基统计分析方法、离散小波变换理论和算法，给出了时间序列处理技术的算例。为了便于读者自学，本书以附录的形式给出了书中练习的答案，更为方便的是书中所提供的网站，使读者很容易得到书中使用的时间序列、小波和SP编写的软件。     

成都市城区空气污染指数的时间序列分析

根据成都市城区2001～2005年的大气污染监测资料,获取和分析成都市空气污染指数.采用时间序列分析方法,对空气污染指数建立自回归滑动平均模型模拟实测的空气污染指数,并对模拟结果进行了检验.结果表明:成都市空气污染状况具有夏季较好、其他季节较差的季节性变化规律.采用时间序列分析大气污染状况是可行性的.     

基于时间序列变化的PM_(2.5)质量浓度趋势分析

PM2.5即直径小于2.5 um悬浮于空气中的可吸入颗粒物,被人体吸入后,可直达肺部干扰气体交换。文章利用PM2.5监测网每小时更新的实时数据为依据、实地考察所得的监测站地理环境、天气及其他影响因素,研究了以日、周、月为时间间隔的PM2.5质量浓度变化趋势。结果表明,PM2.5质量浓度变化趋势为冬高夏低、日变化较大、且年质量浓度呈现马鞍形双峰值趋势,是一个具有周期变化的非平稳时间序列。     

西安市2001—2012年PM_(10)浓度时间序列的特征分析

基于西安市2001—2012年可吸入颗粒物PM10浓度时间序列数据,利用Morlet小波分析方法,研究了PM10浓度数据的多时间尺度变化,并利用主成分分析方法研究了PM10浓度和气象因素的相关性。研究结果表明,污染物浓度变化受采暖期周期影响,主要受采暖期燃煤量和气温的影响,与大气压强、平均气温和PM10等第一主成分具有高相关性。     

基于小波和分形的时间序列压缩

引入离散小波变换的金字塔模型,将小波与分形结合起来,提出一种新的算法用于时间序列压缩,在信噪比保持不变的条件下,其压缩比为单纯的ＩＦＳ建模方法所获得的压缩比的２倍多。给出了ＩＦＳ以及ＩＦＳ与小波结合的算法,并分别给出了它们对时间序列压缩的实验结果以及这两种方法性能的比较。     

基于小波和分形的时间序列压缩

引入离散小波变换的金字塔模型,将小波与分形结合起来,提出一种新的算法用于时间序列压缩,在信噪比保持不变的条件下,其压缩比为单纯的IFS建模方法所获得的压缩比的2倍多.给出了IFS以及IFS与小波结合的算法,并分别给出了它们对时间序列压缩的实验结果以及这两种方法性能的比较.     

基于小波降噪的美国月度新房开工率的时间序列分析

基于有明显季节性规律性的时间序列数据与信号数据表现相似的特征,本文运用信号处理中的小波方法对原始时间序列数据进行降噪,提升模型的预测效果.针对选取的不同类型小波,通过更改阈值对原始数据进行降噪;以美国新建私有房屋开工率1990年1月至2014年5月的数据为样本,运用降噪后的数据进行模型拟合与预测,并与传统的纯时间序列分析建模结果相比较.结果表明对数据进行小波变换降噪的预处理之后效果更好:减弱了因局部高频变化数据导致的模型不稳定性;使数据更加平滑;提升了预测值与真实值的接近程度.     

基于小波神经网络的空气污染指数预报

针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的小波神经网络预报模型。利用小波对原始的空气污染指数序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,使用该模型对兰州地区的空气污染指数进行了预测。仿真结果表明,与传统的BP神经网络相比,该模型具有更高的预测精度、更快的收敛...     

基于小波变换域的SVM股市时间序列预测算法

研究利用小波变换技术提高基于SVM的股市时间序列预测算法的效果.采用结构相同的若干SVM同步预测股市时间序列数据在不同尺度下的小波变换系数,通过对各预测值进行加权组合预测股市变化趋势.其中所有SVM的核参数采用遗传算法同时自动进化调整.通过实证分析,以及同基于SVM的股市时间序列预测算法进行对比,结果证明结合小波变换技术能够更深入揭示股市规律.     

哈尔滨市大气中PM_(10)、PM_(2.5)质量浓度及金属离子分析

对哈尔滨市大气环境中的PM10、PM2.5进行了采集,并对质量浓度及离子成分进行了分析.实验结果表明,两种颗粒物均呈现了先减小后增大的特征,最高值出现在1月,质量浓度分别是178.85、130.10μg/m3,PM10在1、2、3、4、11、12月均超标,而PM2.5质量浓度则高出欧盟标准(15μg/m3)的2~8倍,另外,离子总质量浓度在8月达到了最低值,分别是42.73μg/m3和25.3μg/m3.PM10和PM2.5中离子成分占颗粒物总质量的比例均表现为中间高两边低的特点,最高含量出现在7月份,分别为67.7%和68.4%.根据相关系数的判别原则,PM10中表现为高度负相关的离子是Ca2+和F-、Ca2+和SO42+、Ca2+和NO3-;表现为高度正相关的离子是K+和Mg2+、K+和Cl-、M2+和Cl-、F-和SO42+、F-和NO3-、SO42+和NO3-,说明上述离子间有相似的污染来源.PM2.5中表现为高度正相关的离子是K+和Cl-、K+和SO42+、K+和NO3-、Mg2+和SO42+、F-和NO3-、SO42+和NO3-,与PM10中离子相关性规律不同.     

武汉市热环境与PM10空气质量时空关系初步研究

应用2006年12月～2007年11月MODIS数据对武汉市热环境进行反演,结合同时段的PM10空气污染指数进行了PM10空气质量关系与武汉市热场强度与的初步相关研究,研究表明两者之间在空间分布上具有耦合关系.从时间分布上对两者进行了相关性研究,表明夏季两者之间变化趋势相反,冬季则接近,春秋两季两者关系不明显.     

fMRI time series analysis based on stationary wavelet and spectrum analysis

The low signal to noise ratio (SNR) of functional MRI (fMRI) prefers more sensitive data analysis methods. Based on stationary wavelet transform and spectrum analysis, a new method with high detective sensitivity was developed for analyzing fMRI time series, which does not require any prior assumption of the characteristics of noises. In the proposed method, every component of fMRI time series in the different time-frequency scales of stationary wavelet transform was discerned by the spectrum analysis, then the components from noises were removed using the stationary wavelet transform, finally the components of real brain activation were detected by cross-correlation analysis. The results obtained from both simulated and in vivo visual experiments illustrated that the proposed method has much higher sensitivity than the traditional cross-correlation method.     

金融时间序列结构波动的子波变换分析

运用子波变换的分析方法,研究金融时间序列多尺度局域结构的波动性.通过对具体的股指数据分析表明,利用子波分析法,不仅能准确判定出序列的稳定周期大小和相对强弱,而且能提取序列的局部波动和突发波动信息.     

武汉地区可吸入小颗粒物来源分析

为了研究武汉地区可吸入小颗粒物的来源,采用CMB(化学质量平衡)模型,选取了城市排放源中的16种元素,对武汉市可吸入小颗粒物(PM2.5)进行来源分析.结果表明,武汉市可吸入细颗粒物主要来源于生物质燃烧尘和城市路尘,具有影响范围大等特性.     

矿井涌水量时间序列的频谱分析及应用

阐述了频谱分析方法的基本原理 ,分别计算了矿井涌水量和降雨量的自谱以及它们的互谱 ,给出了隐含周期的检验方法和谱平滑的一般方法 .研究实例表明 ,频谱分析能较好地确定矿井涌水量时间序列的周期性和相关关系 ,为揭示矿区地下水系统的内在机理、矿井涌水量预测及控制提供定量依据 .图 3,参 5     

时间序列分析预测法在气象上的应用

介绍时间序列分析,建立自回归模型并应用在季节降雨量的预报中.     

宝鸡市区空气中PM_(10)、PM_(2.5)污染状况研究

目的研究宝鸡市城区采暖期和非采暖期PM10、PM2.5的质量浓度变化以及比例关系,为宝鸡的雾霾治理提供技术支撑。方法在宝鸡市环境监测中心站院子设点对PM10、PM2.5分别进行采暖期和非采暖期2个时段对比监测,结合气象条件进行分析,总结规律。结果在一般气象条件下PM2.5、PM10质量浓度采暖期高于非采暖期,昼间大于夜间,但细粒子在大气中漂浮时间长,昼夜变化幅度小于可吸入颗粒物。两种颗粒物浓度受气象条件影响较大,阴天浓度明显大于晴天。结论总结了不同时段PM10、PM2.5质量浓度和二者比例关系,为以后的研究和环境管理提供参考。     

小波变换在大气污染物时间序列分析中的应用

以西安市PM10日平均浓度时间序列为例，根据小波分析的基本原理，应用小波变换的时频局部化功能，对大气污染物时间序列的变化进行了分析，清楚地给出了大气污染物的年变化趋势及突变特征。这些特征对大气污染物的治理、预报和控制具有十分重要的实际意义。研究结果表明，将小波变换应用于大气污染物时间序列的分析是可行的。     

大气中PM_(10)浓度的影响因素及其污染变化特征分析

讨论了影响大气中可吸入颗粒物PM10浓度的因素，包括来源、源强、气象条件等，并分析了其时空分布特征．     

汕头市API指数年变化规律及控制对策

对汕头市全年空气主要污染物指数年变化规律进行统计、分析 ,结果显示 :其年变化规律受季节及气象要素影响 ,可吸入颗粒物浓度偏高的主要原因与人群活动有较密切关系 .并提出相应的控制对策 :加强对机动车尾气的控制、工业污染源管理和做好垃圾有效处理、主干道定期洒水降尘及绿化固土等工作