时间序列的相关性及信息熵分析

发布时间：2017-12-25 09:41

  本文关键词：时间序列的相关性及信息熵分析　出处：《北京交通大学》2016年博士论文　论文类型：学位论文

  更多相关文章： 时间序列分析 信息熵 多标度分析 非平稳性 非线性 自相似性 大偏差谱 交叉相关性 耦合性 复杂度

【摘要】：真实世界中的复杂系统是一个由多个简单单元所组成的结构.这些单元在多重时间和空间尺度上运行,经由非线性交互作用,产生集体性行为,表现出复杂的多成分、多层次结构和自组织性等特点,这使得理解和刻画复杂系统变得十分困难.一个有效的方法是通过研究复杂系统输出的时间序列,来研究其内在的动态演化机制和交互作用.由于非平稳性和非线性是复杂系统时间序列的典型特征,因此传统的用于构建平稳性和线性假设的理论方法不再适用.本文的主要目标是研究非平稳、非线性时间序列的相关性、耦合性和复杂度.具体研究非平稳时间序列之间的交叉相关性,探究大偏差谱的结构特征,基于信息熵理论研究非线性时间序列的耦合性及复杂度.本文总共分为六章,组织结构如下：第一章为引言部分,介绍本文的研究背景、研究对象、研究意义和主要工作概述.第二章研究非平稳时间序列的交叉相关性及重分形交叉相关性在不同时间标度上的动态演化.我们针对皮尔逊相关系数对序列平稳性的先验假设,提出多标度去趋势交叉相关(DCCA)系数,用于衡量非平稳时间序列之间的交叉相关程度.在应用于分析股票市场时间序列的交叉相关性时,我们发现DCCA交叉相关系数具有多标度特征,且属于同一国家的股票指数之间具有较强的相关性.另一方面,我们提出多标度多重分形去趋势交叉相关分析(MM-DCCA)方法,用于研究重分形交叉相关性对时间标度的依赖性.在实证分析中,我们发现以Hurst曲面方式描述的交叉相关性更加丰富,且提供了一个有关金融时间序列之间动态机制的、更忠实详尽的描述,这是固定时间标度的重分形去趋势交叉相关分析(MF-DCCA)方法无法实现的.在分析有限长度时间序列时,我们提出减小标度的取值范围,使得大标度下系统的丰富信息被展示出来.第三章研究非平稳时间序列的重分形大偏差谱.重分形去趋势波动分析(MF-DFA)方法得到的标度指数α是衡量时间序列长程自相关性的重要指标.若a非常数,那么原始时间序列具有重分形结构.研究重分形标度指数的分布结构(重分形谱)具有非常重要的现实意义.本章我们结合大偏差(Large Deviation)理论,研究MF-DFA标度指数的谱形结构,并与传统的勒让德谱(Legendre Spectrum)进行对比.发现大偏差谱与勒让德谱的平滑走势不同,其具有非凹性特征,且质疑传统的标度不变假设.我们应用ARFIMA模型验证了大偏差谱评估过程的有效性以及标准化过程的合理性.在交通速度时间序列的分析中,发现大偏差谱中的非凹形现象代表了交通系统中的极端事件.第四章研究非线性时间序列之间的耦合性.我们提出有向耦合性方法交叉置换熵(CPE),以及改进的加权交叉置换熵(WCPE)不同于传统的转移熵,我们的方法在获取耦合方向的同时,可以量化耦合性的强度.我们应用人工信号验证了CPE方法在非对称耦合性检测方面是有效的.在实证分析中我们发现同一国家的股票指数之间耦合性较强.为了进一步完善CPE方法对噪音的敏感度,我们提出改进的WCPE方法.在应用于分析尖峰数据(spiky data)和AR(1)过程时,WCPE的结果更加稳定和可靠.此外,为了获取短时时间序列(长度小于50)的耦合强度,我们采用自由变动的时间延迟策略,提高了CPE方法的计算精度.第五章研究非线性时间序列的复杂度.多标度熵(MSE)是量化时间序列在不同时间标度上不可预知性的有效方法,针对其均值粗粒化过程导致的原始时间序列信息的丢失,我们提出改进的高阶矩多标度熵(HMSE)方法,并应用于分析人体睡眠期脑波的复杂度.我们首先应用模拟信号(Logistic映射)验证三种粗粒化形式下MSEμ(均值),MSEσ2(方差)以及MSEskew(偏差)算法之间的联系与差别.模拟信号结果显示,改进的HMSE方法(包括MSEσ2和MSEskew)可以更好的描述信号的复杂度,且在不同时间标度下,熵值的波动差异较小.在人体睡眠脑波分析中,我们发现：(1)在小标度上(0.04sec),清醒期的熵值最高,且随着标度的增加熵值逐渐增加；(2)在大标度上(0.25sec-2sec),深度睡眠期的熵值最大,且随着标度的增加熵值逐渐减小.第六章为总结与展望.归纳主要研究成果,同时展望尚待研究的相关问题.
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：F224

【相似文献】

相关期刊论文 前10条

1 许清海;混沌投资时间序列的嬗变[J];漳州师范学院学报(自然科学版);2003年01期

2 高洁;孙立新;;长记忆时间序列的适应性预测误差的谱密度[J];统计与决策;2006年13期

3 黄超;龚惠群;;金融领域时间序列挖掘技术研究[J];东南大学学报(哲学社会科学版);2007年05期

4 耿显民;;价格时间序列及其应用(英文)[J];数学季刊;2008年01期

5 杜江;李玉蓉;钟菲菲;;基于模糊时间序列对我国对外贸易中的进口水平的预测[J];统计与决策;2010年23期

6 王朝;;浅述时间序列的预测方法[J];商业文化(下半月);2012年03期

7 刘猛洪;汪爱丽;;基于模糊时间序列的短期电力负荷预测[J];电子世界;2013年07期

8 刘彩霞;;时间序列在粮食预测中的应用[J];东方企业文化;2013年09期

9 邓树增;技术发展的时间序列律[J];科学学研究;1988年01期

10 肖牧;确定经济因素对地方当局政策的影响:利用时间序列和转换的功能模型[J];管理科学文摘;1996年01期

相关会议论文 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

4 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

5 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

6 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

7 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集（下）[C];2013年

8 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

9 李松臣;张世英;;时间序列高阶矩持续和协同持续性研究[A];21世纪数量经济学（第8卷）[C];2007年

10 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

相关重要报纸文章 前6条

1 ;《时间序列与金融数据分析》[N];中国信息报;2004年

2 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

3 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

4 西南证券高级研究员 董先安邋德圣基金研究中心 郭奔宇;预计6月CPI同比上涨7.2%[N];证券时报;2008年

5 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

6 任勇邋郑重;中国对世界钢材价格的影响实证分析[N];现代物流报;2007年

相关博士学位论文 前10条

1 张墨谦;遥感时间序列数据的特征挖掘：在生态学中的应用[D];复旦大学;2014年

2 张德成;滑坡预测预报研究[D];昆明理工大学;2015年

3 苗圣法;时间序列的模式检测[D];兰州大学;2015年

4 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

5 杨婷婷;用Argo浮标结合卫星观测估算北太平洋经向热输运[D];中国科学院研究生院(海洋研究所);2015年

6 史文彬;时间序列的相关性及信息熵分析[D];北京交通大学;2016年

7 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

8 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

9 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

10 张勇;时间序列模式匹配技术研究[D];华中科技大学;2012年

相关硕士学位论文 前10条

1 陈健;基于多变量相空间重构的投资组合策略研究[D];华南理工大学;2015年

2 兰鑫;时间序列的复杂网络转换策略研究[D];西南大学;2015年

3 米晓将;区域尺度下月均气温的时空演化格局研究[D];昆明理工大学;2015年

4 张鸣敏;基于支持向量回归的PM_(2.5)浓度预测研究[D];南京信息工程大学;2015年

5 林健;基于改进小世界回声状态网的时间序列预测[D];渤海大学;2015年

6 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

7 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

8 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年

9 谢翠颖;苏州社会消费品零售总额简析[D];苏州大学;2015年

10 包仁义;基于时间序列的搜索引擎评估模型算法研究[D];东北师范大学;2015年

，

本文编号：1332336