基于小波分析的三峡水库调度水位变化特性

根据三峡库区2007-2011年期间的日水位资料,首先对库区水位序列进行小波消噪,然后采用Morlet小波函数对水位消噪时间序列进行了多时间尺度小波分析,揭示三峡水库水位调度变化的多时间尺度的结构特性,并分析不同尺度下的水位调度周期性变化规律.结果表明:各年日水位调度变化出现阶段性的变化特点,主要集中在6-12月,且其波幅明显高于其他月份;不同年份水位调度存在不同时间尺度的变化周期,2007-2011年周期性分析结果显示,2007年的变化周期为57d和17d;2008年的变化周期为56d和9d;2009年的变化周期为64d和36d;2010年的变化周期为64d和25d;2011年的变化周期为64d.     

参考作物腾发量多时间尺度分析的小波变换

采用Penman-Monteith方法对国内4个不同气候带气象站点的长系列逐日参考作物腾发量ET0值进行了计算,以昌平站ET0年日均值和月日均值时间序列为例,对比采用不同母小波进行小波变换的结果,确定Morlet小波为ET0多时间尺度分析的最优母小波.以Morlet小波为基础,对4个站点ET0多时间尺度特征进行分析,结果表明:4个站点ET0多年来均存在多个时间尺度上的周期变化,其中以5、10 a最为普遍和显著.小波分析的结果,对于中长期不同时间尺度ET0的预测和灌溉用水预测具有指导意义.     

基于Morlet小波的ET_0序列多时间尺度分析

以某地区1984~2003年逐月的参考作物腾发量(ET0)为基本资料,首先对ET0时间序列进行了Dmey小波消噪和距平处理,然后采用Morlet复小波对其进行多时间尺度分析,显示了ET0在各个时间尺度下的演变特征.结果表明,ET0具有120月、55月、40月和16月左右的主要周期变化,这4种主要周期变化主导了ET0在整个时域上的波动变化特性;并且自2003年后期以来,ET0变化的大趋势是从低于平均水平逐渐增大并会持续若干月.     

基于离散小波变换的水稻生育期降水量多时间尺度特征分析

为深入分析水稻生育期降水多层次变化特征,运用小波分析理论,采用morlet小波函数对降水量序列进行离散小波变换,分析其多时间尺度特性,揭示降水量在不同时间尺度下的小波变换时频特征、丰枯交替变化的周期规律以及未来的发展趋势,为制定科学合理的灌溉制度提供一定的参考。研究结果表明,不同的时间尺度分辨率下,水稻生育期降水量序列会表现出不同的周期交替现象,主要存在5a、13a和32a的周期。     

四岭水库蓝绿藻细胞浓度的多时间尺度分析

为揭示杭州市四岭水库蓝藻暴发的内在规律、特征并预测未来趋势,以水库2011年11月14日至2012年8月30日水质监测数据为研究对象,采用多元线性回归方法分析影响蓝绿藻细胞密度的因素,引入小波理论对时间序列数据集进行数据补偿、去噪和多时间尺度分析.结果表明,四岭水库蓝绿藻细胞密度变化受自身影响较其余环境因素大,且具有多时间尺度特征;蓝绿藻细胞密度变化在46d、128d时间尺度下分别存在主周期,其周期分别为30d和85d;预测未来15d内四岭水库蓝绿藻细胞密度呈现低水平;验证了小波理论能精细分析蓝绿藻细胞密度(日际变化数据集)的特征,为四岭水库的日常管理和藻华防治提供科学依据.     

北京市PM10浓度变化规律的小波分析

采用MATLAB小波分析方法对PM10质量浓度时间序列数据进行去噪处理,分析了MATLAB小波去噪分析函数具体参数的选择及其对去噪处理效果的影响,结果表明不同参数对小波去噪的效果有不同的影响,应该根据时间序列数据的特点进行选择,以达到较好的去噪效果.对北京市2010-2011年度PM10质量浓度随时间变化的实际数据进行小波去噪分析表明,小波去噪分析能较好地显示PM10的时间变化规律.     

基于小波分析的节点余氯变化特征研究

对目前在动态数据处理中应用广泛的小波分析方法的原理进行了介绍,利用小波分析中的Daubechies小波对某城市管网节点余氯3 d连续监测时间序列进行了分析,通过db3小波函数对研究对象的5层分解,将原时间序列重构为不同时间尺度下的高频序列和低频序列的组合,研究结果表明,管网节点余氯日变化具有明显的两时段变化特性,小波分析可以很好地反应余氯时间序列的变化特征,为研究余氯的阶段性变化及时间序列的中长期预测提供了一种新的研究途径.同时小波分析在去除噪声、间断点及异常值的确定等方面也具有良好的应用效果.     

焉耆县1951—2010年分季节降水序列变化的小波分析

基于Meyer连续小波变换,分析了焉耆县60 a来降水的季节变化和年际变化,揭示了焉耆县降水变化的多时间尺度的复杂结构,研究了不同时间尺度下降水序列变化的周期(并确定了各序列中存在的主要周期)和突变点。结果表明,焉耆县年降水和各季节降水均呈现明显的周期特征,并存在两个时间尺度的多少交替:10~12 a和4~8 a,表现出明显的周期特征。     

水文时间序列多时间尺度分析的小波变换法

以长江宜昌站近100年（1890～1987）年平均流量过程为例，利用Marr小波和Morlet小波变换对水文序列的多时间尺度演变特性进行了分析，研究结果表明，其年际及年代际时间尺度在时间域中分布很不均匀，具有明显的局部化特征，小波变换法分析了水文水资源系统多时间尺度是优越的。     

基于WT和MGFPE混合模式的船舶横摇运动长期预测

为了获得横摇运动在不同时间尺度下的演变规律,提出了利用小波变换和均生函数周期外推混合模式进行船舶横摇运动非线性时间序列长期预测的方法.该方法通过小波变换对横摇运动时间序列进行多分辨率分析,将原序列分解为多个相对简单的准周期信号,信号的趋势项、周期项和随机项被分离出来,然后采用均生函数周期外推预报模式对这些准周期信号进行预报和集成.仿真结果表明,此方法能有效地提高预报长度,并能获得较高的建模及预报精度,该方法亦可用于其他非线性时间序列长期预测.     

龙川江年输沙率时间序列的小波特征

基于龙川江出口水文控制站小黄瓜园站的长时间序列水文资料,利用小波变换研究了龙川江流域降水量和输沙率时间序列的多时间尺度变化特征和突变特征.研究表明:小黄瓜园站年降水量时间序列具有2a和4a的准主周期;年输沙率时间序列具有2、4、9.5a左右的准主周期;龙川江输沙率年内分配很不均匀,6～10月输沙量占全年输沙量的96.7%,尤其是7、8两个月输沙量占全年输沙量的55.7%;输沙率年内变化和年际变化的高频振荡主要是由降水量变化所致;龙川江泥沙主要来源于中下游地区(占全流域输沙量的94.2%);小黄瓜园站对屏山站泥沙贡献率为1.69%.     

小波变换在时间序列信号长程预测中的应用

讨论时间序列信号长程预测的原理和卡尔曼滤波预测模型及其改进模型的应用,及小波变换在时间序列分析长程预测中的应用,通过小波变换将时间序列信号分解,再重构低频信号,从重构后的信号中进行重采样提取时间序列子序列用于信号长程预测的方法.     

基于小波变换的系统边际电价分析与预测

摘要：基于小波变换的系统边际电价(System Marginal Price,SMP)数据分析,根据系统边际电价的特点,建立用于系统边际电价预测的模型。利用小波变换时频局部化功能,将原电价时间序列分解成不同的尺度,对不同尺度上的子序列分别采用人工神经网络和AR模型进行预测,最后将不同尺度预测结果通过小波重构还原,得到系统边际电价预测结果。实例验证表明预测模型能有效提高预测精度,可用于系统边际电价预测。     

基于连续小波变换的水文序列变化特征研究

为揭示复杂水文现象中的精细结构，应用小波分析的多分辨率分析和分形理论相结合的途径探讨了水文序列变化的统计特征。将水文序列进行连续小波变换，得到小波变换系数，计算出小波变换系数的动力学特征指标——分维随尺度的变化过程。根据分维随尺度的变化特性，探讨了水文序列的奇异性(突变、跳跃等)变化。通过仿真试验和实际径流资料计算分析，表明提出的方法是有意义的，并且可行。     

基于D-Markov模型的金融波动模式识别

将小波变换与符号时间序列分析相结合,引入工程领域的D-Markov模型,提出了一种用于金融波动变化模式识别和异常检测的方法。波动序列经过离散小波变换,产生小波系数序列,将小波系数序列符号化产生符号时间序列,建立符号时间序列的D-Markov模型,并求状态转移概率矩阵,计算各状态转移概率矩阵的状态概率向量与标准状态转移概率矩阵的状态概率向量之间的欧拉距离,从而得到异常度。基于得到的异常度识别金融波动变化模式,检测异常波动的发生。以上证综指的5分钟序列为样本实证分析,对该方法的可行性和有效性进行了验证。     

Wavelet matrix transform for time-series similarity measurement

A time-series similarity measurement method based on wavelet and matrix transform was proposed, and its anti-noise ability, sensitivity and accuracy were discussed. The time-series sequences were compressed into wavelet subspace, and sample feature vector and orthogonal basics of sample time-series sequences were obtained by K-L transform. Then the inner product transform was carried out to project analyzed time-series sequence into orthogonal basics to gain analyzed feature vectors. The similarity was calculated between sample feature vector and analyzed feature vector by the Euclid distance. Taking fault wave of power electronic devices for example, the experimental results show that the proposed method has low dimension of feature vector, the anti-noise ability of proposed method is 30 times as large as that of plain wavelet method, the sensitivity of proposed method is 1/3 as large as that of plain wavelet method, and the accuracy of proposed method is higher than that of the wavelet singular value decomposition method. The proposed method can be applied in similarity matching and indexing for lager time series databases.     

子波分析中尺度与波长的关系

通过对数据序列的子波分析中尺度与波长的关系研究,讨论了子波分析的特点和子波变换的不同定义及在傅里叶变换域中的意义,通过子波的定义求出了子波分析中波长与尺度的一般关系式,从理论和实验两方面对Morlet母子波的尺度与波长的关系进行了分析,给出了一些常用子波尺度与波长的关系式。