-小波时间序列对非平稳.docVIP

小波时间序列对非平稳信号中突变点的辨识与处理 陈帅，岳迎春, 徐巍,游振兴,王昌言 （中国地质大学 信息工程学院，武汉 430074） 【摘要】在本文中，利用小波时间序列模型找出非平稳信号中突变的位置，通过分析把突变点分为两类。若对两类突变点作适当的插值处理,既可保留原始数据发展趋势的真实性也提高了预测模型的精度。文中把迭代模型的预测值去逼近突变点值和单纯地用Pchip插值、spline插值、linear插值作为内插值进行了对比研究，得出了各自的优缺点。 【关键词】小波分析；时间序列分析；突变点；内插值 【中图分类号】P208 【文献标识码】A 【文章编号】1009-2307（2013）05- - Wavelet time series models to identify and process to the mutation point in non-stationary signal Chen Shuai, Yue Yingchun, Xu Wei,You Zhenxing (Faculty of Information Engineering , China University of Geosciences , Wuhan 430074, China) Abstract: In this paper, the use of wavelet time series models to identify the location of the mutation point in non-stationary signal and mutation point is divided into two categories by analysis. Two types of point mutations were processed with appropriate interpolation approach not only has retained the authenticity of the raw data but also to improve the prediction accuracy of the model. The article, by comparing predictive value of the iterative model to approximate the mutation point value with simply use pchip, spline and linear interpolation as the interpolation, comes to their own advantages and disadvantages. Key words: Wavelet analysis; time series analysis; mutation point; interpolated 1 引言 在实际数据处理中，往往会碰到一些问题，例如在数据传输，采样及记录过程中发生信息失真或者丢失，或者变形体本身受到各种因素影响发生变态的变形，这些都会使数据在变化趋势中发生突变。检测突变点的方法有很多：在计量经济学中基于马尔科夫链蒙特卡罗模拟的技术下的贝叶斯检验法【1】，在水文时间序列中突变点的检测有Mann-kendall方法、有序聚类分割法、最小方差法和极大似然法、参数假设检验、非参数假设检验,以及基于贝叶斯推断理论的Lee和Heghinian方法【2】， “3σ准则”法【3】，运用人工免疫系统寻找斜坡演化过程中的突变点【4】，在线性半截多项式的前提下对时间序列数据分段检验突变点【13】。最近比较热门的小波分析理论，在突变信号检测方面的应用【5】中也介绍了检测突变点的方法。方法虽多，但是在数据分析中如何正确地处理突变点才是至关重要的。本文将根据工程实例介绍小波时间序列模型对非平稳信号中突变点的处理。 2 小波时间序列对突变点的辨别与处理 在介绍小波时间序列处理非平稳信号之前，简单地介绍小波时间序列的基本概念。小波变换的基本思想是用一族函数去表示或逼近一信号的或函数。 连续性小波变换（CWT）：设称为一个基小波或母小波（Mother Wavelet）。 （1） 其中0称为尺度因子， 称为平移因子。对于任意的函数信号，其小波变换为该函数与小波的函数的内积： （2） 离散型小波变换离散化是将，变换，取，（，，、），代入（1）式中得到离散的小波函数。 时间序列的基本思想是：对于平稳、正态、零均值的时间序列{}，若的取值不仅与其前步的各个观测值，，,,有关，而且还与前步的各个干扰，，,,有关。通过观测值和干扰项建