第5章 非平稳随机过程 系统建模理论与方法 教学课件.ppt

* 第5章　非平稳随机过程 5.1　引言5.2　平稳余差过程5.3*　随机过程的线性变换5.4*　随机过程的Fourier变换5.5　小结 5.1　引言  现实世界中很多研究对象不仅表现出一定的随机性，而且随时间的推移还会呈现出上升或下降的趋势，当这种趋势用时间的非线性函数表达的时候，基于弱平稳随机过程理论的建模方法就不适用了。这样的对象应该用非平稳随机过程的理论来支持模型的建立。此外，在很多情况下要求对象的协方差函数只与时间差有关也不一定合理。如果不能确认对象是平稳过程，那么就不能套用第4章讨论的方法来建立模型。 研究对象的非平稳特性要求继续研究新的建模理论和方法，然而目前数学理论对于非平稳过程的研究还没有多少成果能够帮助解决建模过程中碰到的种种难题，只是由于实际需要在工程领域出现了一些关于处理非平稳过程的方法，本章将主要围绕这些实用的数据处理方法来探讨其数学原理。 现有处理非平稳过程的方法主要是把某些非平稳过程经过数据处理后变为平稳过程，然后再用平稳过程的建模方法对它们建模。这种处理问题的方法尽管只能处理一些比较简单的非平稳过程，或者在某些特殊的条件下建立非平稳对象的模型，但是这些处理问题的方法具有较强的工程性，能够解决实际问题，弥补平稳过程建模方法的不足。 在一些情况下，对象的非平稳性是和对象的时变性联系在一起的。这一类系统往往不能用一个恒定不变的模型来描述，要求所建立的模型具有较好的跟踪能力，例如用新息来修改模型，不仅修改模型的参数，有时也要求修改模型结构。应该说，这种建模思想更符合客观实际情况，但是无论在理论上还是在实际建模过程中，仍然存在一些技术难点。本书第5～7章将介绍与非平稳过程有关的一些理论和方法。 5.2　平稳余差过程 5.2.1　平稳余差过程的基础5.2.2　ARIMA模型5.2.3　季节性模型5.2.4　函数生成理论 5.2.1　平稳余差过程的基础 1.模型描述2.参数估计的统计分析 1.模型描述  应用的观点出发对非平稳过程最简单的理解是认为它的均值函数呈现某种规律性，而协方差只与时间差有关。这一类过程又称为具有平稳余差的非平稳过程，或简称为平稳余差过程。 2.参数估计的统计分析 当式(5-2)中回归变量φk(t)不含未知参数，这时依据序列｛y(t)｝估计回归系数(或模型参数)在前面几章已经进行了比较详细的讨论，其中重点讨论了最小二乘法。可以把前面的方法用来求解平稳余差过程模型。为此，定义向量和矩阵 Y＝［y(1),y(2),…,y(n)］Ｔ，　　X＝［x(1),x(2),…,x(n)］Ｔ α＝［α1,α2,…,αm］　　Φ＝φ1(1)…φm(1)??φ1(n)…φm(n) 则，得到矩阵方程 Y=Φα+Χ(5-3) 可以利用最小二乘法的批处理公式求解式(5-3)表达的模型。把用最小二乘法求解的参数估计值记为LS，那么 LS＝(ΦTΦ)-1ΦTY(5-4) 定理5-1　LS是的线性无偏估计。 5.2.2　ARIMA模型  20世纪70年代Box和Jenkins提出一种研究平稳余差序列的方法，建立了积分自回归滑动平均模型，记为ARIMA。差分法是这种方法的基础，通过差分消除序列中的趋势成分和周期成分而得到一个弱平稳序列。尽管新的弱平稳序列与原来的余差序列并不等价，但是它们之间有密切的关系，从新序列的统计特性可以推测原来的余差序列的统计特性。 当序列的均值函数m(t)为多项式时，用简单的差分方法就可以把趋势成分消除，使序列变成一个弱平稳序列。 5.2.3　季节性模型  利用差分方法也可以消除均值函数中的周期分量或季节性分量，使平稳余差序列变成弱平稳序列，称这一类模型为季节性模型。季节性模型可以用于描述有周期性变化的对象，如电力负荷、水文气象、保温或降温的消费品需求等。 季节性模型首先应该把握变化周期，根据变化周期建模。周期性变化可能是季节、月、天。不同的周期还有可能叠加在一起。比较简单的季节模型是只包含季节分量或者只包含月度分量的模型。 5.2.4　函数生成理论  通过差分可以把一个平稳余差过程转化为弱平稳过程，那么反过来能否用累加的办法把一个弱平稳过程变为平稳余差过程呢？灰色系统理论研究了这一问题，提出了函数生成的概念和函数生成的规律。 灰色系统理论认为由于环境中存在干扰，而使研究对象的观测数据出现比较大的离散情况，不能直接从散点图中发现模型的线索。但是，只要用适当的方式处理原始数据，就可以削弱其中的随机成分并强化其规律性，得到一个较为规则的时间序列。灰色系统理论称它为灰色过程的生成，简称为生成。 生成有两种操作方式，一种是累加生成，记为AGO；另一种是累减生成，记为IAGO。实际上累减生成(IAGO)就是前面讨论的差分概念的推广。下面简单介绍累加生成。