导读:本文包含了非线性时间序列分析论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:序列,时间,风速,混沌,频谱,网络,癫痫。
非线性时间序列分析论文文献综述
罗帅,丁勤卫,李春,黄致谦[1]（2019）在《风速时间序列混沌特征分析及非线性短期预测》一文中研究指出针对风能发电及天气预报等领域中一直是难点和重点的风速时间序列预测问题,首先分别通过相图法和最大Lyapunov指数法定性定量确定风速时间序列具有混沌特征;在此基础上,针对风速时间序列混沌特征结合相空间重构理论进行预测,根据C-C算法确定嵌入维数及延迟时间,将混沌理论应用于Volterra自适应模型,建立新的风速预测模型;以Lorenz方程为例验证该预测模型的准确性,并通过预测风速对比实测风速,进行误差分析。结果表明:风速时间序列具有明显的混沌特征;风速时间序列的混沌特征表明其长期预测是不现实的,但其确定性结构表明其具有短期可预测性;以预测Lorenz方程数值解的方式验证了Volterra自适应预测模型的准确性,其预测误差控制在10~(-4)以内;Volterra自适应预测模型可以对实测风速时间序列进行准确的预测,预测误差控制在0.1 m/s内。(本文来源于《能源工程》期刊2019年05期）
K.D.Prasangika（丁小敏）[2]（2019）在《非线性时间序列分析中几种非参数方法的研究与应用》一文中研究指出在传统的参数回归模型中,模型的函数形式是在模型适合数据之前指定的,目标是估计模型的参数.相比之下,在非参数回归中,目标是直接估计回归函数,而不是明确指定其形式.这里我们描述如何拟合几种非参数回归模型.非参数回归方法有很多种,如核光滑法、局部线性回归法、二次光滑局部线性回归法、替代条件估计法、惩罚回归法、小波法、光滑样条法、正交回归法等.局部线性回归方法因简单方便而被广泛应用,但方差较大.虽然局部线性方法的渐近性质很好,但是对于稀疏数据误差很大,所以不会常用.因此,人们对局部线性回归方法做了进一步的改进,经过两次光滑,称为二次光滑局部线性回归方法.在数据独立的情况下,改进后的方法会降低渐近偏差的阶数.在实际问题中数据是可能相关的,如时间序列.从统计上看,时间序列分析具有很强的适用性,在现实生活中得到广泛应用,在经济、金融、天气预报、机械、化工等许多领域都有应用.线性时间序列的研究较多,但实际数据往往是非线性的.一些学者已经开始使用非参数回归方法如局部线性回归来分析非线性时间序列数据.本研究的重点是将非参数回归方法应用于非线性时间序列数据.首先,使用自激阂值自回归模型和加性自回归模型生成两个模拟数据集.在非参数回归方法中,替代条件估计法、惩罚回归法和局部线性回归法被用于模拟非线性时间序列数据.介绍了双光滑局部线性回归方法作为一种新的非参数回归方法在非线性时间序列分析中的应用.对于相关数据,经过两个平滑步骤后,从h2到h4的估计具有减小的渐近偏差,同时保持渐近方差在相同的阶上,这比局部线性回归方法更优化.利用模拟时间序列数据集展示了局部线性回归法和双平滑局部线性回归法的性能.非参数方法、交替条件期望算法、惩罚叁次回归、局部线性和双光滑局部线性回归方法被应用于四个真实数据集(BOVESPA指数、SENSEX指数、FTSE指数和标普S120指数).使用最流行的参数方法Box-Jenkins拟合的模型和使用非参数回归方法拟合的模型使用误差度量均方根误差进行比较.尽管双平滑局部线性回归方法对除BOVESPA指数数据集之外的所有实时序列数据集都优于局部线性回归方法,但交替条件期望算法优于双平滑局部线性方法.最后,选择交替条件期望算法作为斯里兰卡科伦坡证券交易所模拟标普SL20指数的最合适方法。(本文来源于《华中师范大学》期刊2019-06-01）
刘政军,张琨,刘长军[3]（2019）在《铝合金振动焊接过程非线性时间序列模型分析》一文中研究指出针对7系列超硬铝在传统熔焊过程中易出现热裂纹、气孔和焊接接头软化等问题,研究振动焊接工艺过程中,焊接工艺参数变化与焊接接头强度间的非线性关系机理,建立基于焊接过程工艺参数测量数据的7075超硬铝振动焊接接头强度非线性时间序列预测模型.文中在7075超硬铝振动焊接过程参数测量数据的基础上,建立了焊接过程参数时间序列,并在此基础上研究建立了焊接过程系统相空间重构参数及确定性检验方法.根据重构相空间的相点演化轨迹与焊接接头强度参数间的非线性关系,建立相空间相点演化轨迹的人工神经网络拟合模型,对焊接接头的断后伸长率、抗拉强度、硬度、焊缝余高、晶枝最大粗度、晶粒数量等物理参数进行计算.根据建立的模型进行的一系列焊接接头强度试验显示.结果表明,该模型的预测结果可以满足工程需要,具有工程实用价值.(本文来源于《焊接学报》期刊2019年03期）
戴海亮,孙付平,朱新慧[4]（2018）在《中国区域内IGS站时间序列的非线性变化分析》一文中研究指出以中国区域内8个IGS站时间序列为研究对象,对其非线性变化的规律进行分析.首先,对这些测站时间序列进行频谱分析提取周期项,结果表明周年频谱是绝大部分IGS站共有的非线性运动规律,只是振幅大小不同;其他周期项则不具有普遍性,并且在垂直方向上周期规律最明显.然后采用叁角函数法对时间序列中的周期规律进行拟合,结果显示叁角函数法能更加直观地体现出非线性变化的规律,有利于进一步分析非线性变化的性质与机制,对建立和维持高精度地球参考框具有重要的参考价值.(本文来源于《全球定位系统》期刊2018年06期）
常月,冯宇旭,曹显兵[5]（2018）在《基于非线性时间序列模型的股票分析与预测》一文中研究指出时间序列模型在股票价格的分析与预测中有着极其重要的应用.本文针对沪深300日收益率建立了ARIMA-GARCH拟合模型.首先对数据进行对数处理、平稳性检验、自相关检验、偏自相关检验和ARCH效应检验,然后消除条件异方差性,最后通过实证分析得到了模型的有效性与准确性.(本文来源于《数学的实践与认识》期刊2018年22期）
袁全勇,李春,杨阳,叶柯华[6]（2018）在《风速时间序列非线性特征分析》一文中研究指出针对时间序列风速确定性与随机性相结合的复杂非线性特征,基于相空间重构理论和最大Lyapunov指数对其进行混沌与分形特征分析。首先,以经典Lorenz混沌系统及非混沌完全随机白噪声时间序列为验证算例,通过相空间重构和最大Lyapunov指数法判断以上2种非线性时间序列的混沌特征,分别从定性和定量的角度验证了所提方法的可行性;其次,对美国风能研究中心实测风速数据进行相空间重构,计算其最大Lyapunov指数并估算其可预测时间,最后采用G-P算法分析了实测风速时间序列的饱和关联维数。结果表明:相空间重构理论及最大Lyapunov指数法均可作为判断混沌特征的重要方法,时间序列风速具有明显的混沌分形特征及短期可预测性。(本文来源于《热能动力工程》期刊2018年08期）
陈海英[7]（2018）在《基于非线性时间序列分析的贵金属产品出口数据预测》一文中研究指出现代国际进出口贸易交流日益频繁,贵金属产品的出口数据也日益庞大,为适应时代现状对贵金属出口的交易数据除了要进行统计和分析外也需要实现进行数据预测,为此提出了数据预测模型,分别对贵产品出口数据的预测值和真实值进行计算,通过计算对预测数据进行修订实现模型的构建,并对该模型进行仿真实验和性能测试来验证模型的可行性和准确性,保证其使用价值。(本文来源于《中国金属通报》期刊2018年07期）
刘明敏[8]（2018）在《基于转移网络的非线性时间序列分析方法研究》一文中研究指出复杂网络与非线性时间序列的结合,为非线性时间序列的分析研究提供了新的方向。近年来,时间序列复杂网络构造方法已被广泛应用于互联网、生物信息网、交通流量、天气预测等领域。而今,应用非线性时间序列分析方法对脑电信号进行分析研究,已受到相关学者们的青睐。然而,传统的分析方法对癫痫脑电的分类性能相对较差,阻碍着癫痫分类算法被应用于临床的进程,文中首次将转移网络应用于癫痫脑电的分析研究,实现了癫痫脑电高精度的自动检测分类。本文在研究了时间序列复杂网络构造方法基础上,主要对时间序列转移网络构造方法进行深度研究。文中总结了传统的时间序列转移网络构造方法,并针对传统算法的不足,对算法进行改进。进而将癫痫脑电信号构造为转移网络,并基于转移网络拓扑结构统计特性提取分类特征,对癫痫脑电信号进行分类。首先,提出了时间序列极大值分段的网络节点集构造方法,构造出时间序列转移网络的节点集合;计算节点之间状态转移次数,构造权值矩阵,确定网络的边集合,改进后的时间序列转移网络构造完成。其次,应用转移网络的拓扑结构统计特性对时间序列转移网络进行分析,结合转移网络的特点,提出不同类型时间序列的分类特征。本文提出了度变化率、环路系数、聚类系数以及平均路径长度四个非线性特征。并应用非线性时间序列对提取的四个特征进行分析。最后,将癫痫脑电数据构造为改进后的时间序列转移网络,基于转移网络统计特性分别提取四个分类特征用于癫痫脑电数据库中癫痫患者间歇期和发作期的脑电信号的单特征分类,实现了癫痫脑电自动检测分类,并对四个特征的分类性能进行评价。通过与其它相关的实验结果进行比较,验证了本文提取的特征对两类癫痫脑电的辨别精度较于其他单特征分类方法都有较大提升,最高为98.5%。本文通过应用时间序列转移网络构造算法,将癫痫信号转化为转移网络,提取出性能优良的分类特征,实现高性能的癫痫脑电分类,并能有效促进临床医学研究及应用。(本文来源于《济南大学》期刊2018-05-01）
郭珩[9]（2018）在《复杂网络在非线性时间序列分析中的应用》一文中研究指出在过去的十年中,运用复杂网络理论从时间序列数据中提取有用的信息成为了非线性动力学和复杂系统研究前沿的一个热点。目前已经提出了几种不同的方法将时间序列转换为网络,例如,递归网络Recurrence Network、可视图Visibility Graphs和传递网络Transition Network等。这些方法已成功地应用于分析气候、太阳黑子和金融市场等领域的时间序列。目前的大多数方法都只是关注单个时间序列的信息,而实际系统中的时间序列往往是存在相互作用关系的多元时间序列。在本文中我们利用网络方法研究了两种多元时间序列,一个来自理论模型,另一个来自实际气候数据。在第一个工作中,针对理论模型中的多变量时间序列,我们出了两种Ordinal Pattern的构造方法,并且进一步构造了Pattern的转换网络,对网络定义了点熵和边熵来进行刻画。结果表明,该方法能够有效地刻画混沌相同步的相变点,并且能够给出系统参数空间的精细结构,为传统李指数方法补充有用的信息。本文的第二个工作研究气象时间序列。我们利用亚马逊地区的降水数据构建了区域气候网络,着重研究了2005年和2010年发生极端干旱事件的网络属性。根据极端干旱事件的网络统计量和正常干旱条件的网络统计量,确定了与预期干旱长度相关的重要区域,找出了这两次极端干旱事件之间的差异性,确定了影响网络稳定性的主要因素。本文提出的方法对于分析不同背景的多元时间序列具有重要的参考意义。(本文来源于《华东师范大学》期刊2018-03-01）
陈海英[10]（2018）在《非线性时间序列分析的关键技术及其应用探讨》一文中研究指出在教学的过程中非线性时间序列问题一直是重中之重,作为近几年发展的主要趋势,非线性时间序列包括有地理、生物、医学以及经济等多个领域的内容,并有着十分广泛的发展前景,目前已经经过了很多实验与理论,能够证明非线性混沌的数据,本文就对非线性时间序列分析的关键技术及其应用进行分析。(本文来源于《环渤海经济了望》期刊2018年02期）
非线性时间序列分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在传统的参数回归模型中,模型的函数形式是在模型适合数据之前指定的,目标是估计模型的参数.相比之下,在非参数回归中,目标是直接估计回归函数,而不是明确指定其形式.这里我们描述如何拟合几种非参数回归模型.非参数回归方法有很多种,如核光滑法、局部线性回归法、二次光滑局部线性回归法、替代条件估计法、惩罚回归法、小波法、光滑样条法、正交回归法等.局部线性回归方法因简单方便而被广泛应用,但方差较大.虽然局部线性方法的渐近性质很好,但是对于稀疏数据误差很大,所以不会常用.因此,人们对局部线性回归方法做了进一步的改进,经过两次光滑,称为二次光滑局部线性回归方法.在数据独立的情况下,改进后的方法会降低渐近偏差的阶数.在实际问题中数据是可能相关的,如时间序列.从统计上看,时间序列分析具有很强的适用性,在现实生活中得到广泛应用,在经济、金融、天气预报、机械、化工等许多领域都有应用.线性时间序列的研究较多,但实际数据往往是非线性的.一些学者已经开始使用非参数回归方法如局部线性回归来分析非线性时间序列数据.本研究的重点是将非参数回归方法应用于非线性时间序列数据.首先,使用自激阂值自回归模型和加性自回归模型生成两个模拟数据集.在非参数回归方法中,替代条件估计法、惩罚回归法和局部线性回归法被用于模拟非线性时间序列数据.介绍了双光滑局部线性回归方法作为一种新的非参数回归方法在非线性时间序列分析中的应用.对于相关数据,经过两个平滑步骤后,从h2到h4的估计具有减小的渐近偏差,同时保持渐近方差在相同的阶上,这比局部线性回归方法更优化.利用模拟时间序列数据集展示了局部线性回归法和双平滑局部线性回归法的性能.非参数方法、交替条件期望算法、惩罚叁次回归、局部线性和双光滑局部线性回归方法被应用于四个真实数据集(BOVESPA指数、SENSEX指数、FTSE指数和标普S120指数).使用最流行的参数方法Box-Jenkins拟合的模型和使用非参数回归方法拟合的模型使用误差度量均方根误差进行比较.尽管双平滑局部线性回归方法对除BOVESPA指数数据集之外的所有实时序列数据集都优于局部线性回归方法,但交替条件期望算法优于双平滑局部线性方法.最后,选择交替条件期望算法作为斯里兰卡科伦坡证券交易所模拟标普SL20指数的最合适方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非线性时间序列分析论文参考文献
[1].罗帅,丁勤卫,李春,黄致谦.风速时间序列混沌特征分析及非线性短期预测[J].能源工程.2019
[2].K.D.Prasangika（丁小敏）.非线性时间序列分析中几种非参数方法的研究与应用[D].华中师范大学.2019
[3].刘政军,张琨,刘长军.铝合金振动焊接过程非线性时间序列模型分析[J].焊接学报.2019
[4].戴海亮,孙付平,朱新慧.中国区域内IGS站时间序列的非线性变化分析[J].全球定位系统.2018
[5].常月,冯宇旭,曹显兵.基于非线性时间序列模型的股票分析与预测[J].数学的实践与认识.2018
[6].袁全勇,李春,杨阳,叶柯华.风速时间序列非线性特征分析[J].热能动力工程.2018
[7].陈海英.基于非线性时间序列分析的贵金属产品出口数据预测[J].中国金属通报.2018
[8].刘明敏.基于转移网络的非线性时间序列分析方法研究[D].济南大学.2018
[9].郭珩.复杂网络在非线性时间序列分析中的应用[D].华东师范大学.2018
[10].陈海英.非线性时间序列分析的关键技术及其应用探讨[J].环渤海经济了望.2018
论文知识图
