Matlab 在时间序列分析中的应用--笔记.pdf.docxVIP

MATLAB在时间序列分析中的应用 笔记 2012/07/11-2012/07/17 第一章 时间序列及其分析概述 符号化是定性时间序列处理的第一步；然后是寻找结构与建模分析。 任何呈现规律性特征的序列都可以成为结构。 结构与功能关系的研究是DNA序列研究的核心问题。 元模式（每一个符号应尽可能地代表时间序列中的某一种基本的、相对独立的变化模式）是构成字符序列结构的最基本元素。 时间序列数据： 1、数据一般等间隔采样，不过采样间隔的确定要视具体情况而定 2、缺失值填补，一般不能直接对一个残缺的序列分析，要先进行处理使其完整，然后再分析。 第二章 时间序列的统计量 name的取值 函数说明 beta或Beta Beta分布 bino或Binomial 二项分布 chi2或Chisquare 卡方分布 exp或Exponential 指数分布 f或F F分布 gam或Gamma GAMMA分布 geo或Geometric 几何分布 hyge或Hypergeometric 超几何分布 logn或Lognormal 对数正态分布 nbin或Negative Binomial 负二项式分布 ncf或Noncentral F 非中心F分布 nct或Noncentral t 非中心t分布 ncx2或Noncentral Chi-square 非中心卡方分布 norm或Normal 正态分布 poiss或Poisson 泊松分布 rayl或Rayleigh 瑞利分布 t或T T分布 unif或Uniform 均匀分布 unid或Discrete Uniform 离散均匀分布 weib或Weibull Weibull分布 y=detrend(x) %消除时间序列的线性趋势 y=detrend(x,’constant’) %消除时间序列的均值 y=detrend(x,’linear’,bp) %分段消除时间序列的线性趋势，bp是分段向量 %自相关函数与相关函数 x1=normrnd(0,1,1,100); x2=random(exp,3,1,100); plot(x1); plot(x2); [ACF,Lags,Bounds]=autocorr(x1,[],2); Bounds [XCF,Lages,Bounds]=crosscorr(x1,x2) 第三章 时间序列插值与差分 拉格朗日插值多项式 牛顿插值多项式 差分：向前差分 向后差分： Matlab中的插值函数： %每隔一个元素“取”一个值 x=[1 2 3 4 5 6 7 8 9 10]; dse1=dyaddown(x) dse2=dyaddown(x,0) dse3=dyaddown(x,1) %等间隔的取值 y=downsample(x,4); %每隔一个元素“插”一个值0；0是偶插入；1是奇插入 x=[1 2 3 4 5 6 7 8 9 10]; dse1=dyadup(x) dse2=dyadup(x,0) dse3=dyadup(x,1) %整数倍插值，使曲线更光滑 t=0:0.5:2*pi; x=sin(t);y=interp(x,4); subplot(121);plot(x);hold on,stem(x);title(原始序列); subplot(122);plot(y);hold on, stem(y);title(插值信号); %降采样处理decimate(x,r); t=0:0.5:2*pi; x=sin(t);y=interp(x,4);y1=downsample(y,4); subplot(131);plot(x);hold on,stem(x);title(原始序列); subplot(132);plot(y);hold on, stem(y);title(插值信号); subplot(133);plot(y1);hold on, stem(y1);title(降采样信号); 一维时间序列分段线性内插 interp1 样条插值，高精度的多项式三次样条插值： spline x=0:10; y=sin(x); xx=0:0.25:10; yy=spline(x,y,xx); plot(x,y,xx,yy); 差分diff 微分： 多项式微分： Lagrange插值 Hermite插值 hours=1:12;temps=[2 8 9 15 29 25 31 30 22 25 27 24]; h=1:0.1:12; t=interp1(hours,temps,h,spline); plot(hours,temps,+,h,t,hours,temps,r:) plot(hours,temps,+,hours,temps),hold on,plot(h,t,r:) 第四章