改进消除波动趋势分析法1.docVIP

改进的消除波动趋势分析法 庞宇磊1，薛晓朕2，商朋见3 （1北京交通大学理学院，北京100044；2北京交通大学软件学院，北京，100044；北京交通大学理学院，北京，100044） 摘要：分形理论是非线性科学研究中一门十分重要的理论，现在已经被广泛应用于各种研究领域，如气象学，生物学，地理学，经济学等等[1]．本文对传统的DFA方法进行改进，将其推广到了二维，并以交通时间序列为研究对象，全面的刻画了交通数据的特点。比较传统的DFA与改进后的方法之间的异同。通过计算，得出了二维DFA幂律指数间的内在关系。 关键词：多分形；消除波动趋势分析；长程相关性；广义Hurst指数 中图分类号： 文献标志码:A The improvement of Multifractal Detrended Fluctuation Analysis PANG Yulei1，XUE Xiaozhen2，PENG Jianshang3 (1 School of Science，Beijing Jiaotong University，Beijing 100044，China；2 School of software, Beijing Jiaotong University，Beijing 100044，China； 3 School of Science，Beijing Jiaotong University，Beijing 100044，China) Abstract: Fractal theory is a new branch of nonlinear science and has been used in many kinds of science fields, such as meteorology, biology, geography, economics and so on. In this paper, we make improvement on the Multifractal Detrended Fluctuation and extend the traditional DFA method to 2-dimensional space, thus providing a comprehensive way to study the behavior of traffic time series. And then we compare the difference between the traditional DFA and the improved method. By caculating, we can arrive at the relationship of the power law exponent between the traditional DFA and the 2-dimentional space. Keywords: multifractal; detrended fluctuation analysis(DFA)；long-range correlation; general hurst exponent 0引言 近几年来，由Peng等发明的消除波动趋势分析方法(Multifractal Detrended Fluctuation Analysis, MF-DFA),已经成为探测不平稳时间序列的标度性和长相关性的重要工具。它能精确的量化平稳时间序列的长相关性。由于该方法基于随机步行理论，对时间序列有一个求和的过程，因此，它可以避免人为引起的时间序列的不稳定性。 本文作者主要将传统的DFA方法进行了推广，定义了二维DFA的算法，并且将改进后的DFA与传统DFA进行比较，得出了二维DFA幂律指数间存在的内在关系。 1实验数据 本章选取北京北二环快速路某断面的单向交通 流数据进行分析，其中数据的观测时段为：2006年12月16日至2006年12月31日，以速度和流量为研究对象。原始序列图在图1中给出。 Fig1 流量、速度与时间的关系图 交通流数据是一个含有速度，流量，占有率等多个性质刻画的具有自相似结构的分形客体[2]。传统的DFA方法是以一组数据为研究对象，研究其去除趋势的能力，显然，一组数据不足以全面刻画这一时刻研究对象所在的状态，因此本文考虑改进DFA方法，采用两组，乃至三组数据，共同描述研究对象在某一时刻所具有的特性。对于交通数据，传统DFA方法只能分别研究速度，流量等一组数据的重分形性，而改进后的DFA以速度、流量构成的有序实数对为研究对象，将DFA从一维推广到二维，甚至三维，我们定义其对应的DFA方法为二