共查询到20条相似文献，搜索用时 109 毫秒
1.
本文提出了基于小波变换的非平稳时间序列分解方法。通过小波分解,将原时间序列依尺度分解成不同层次,利用尺度系数作为季节性乘积分量,将小波系数序列处理为方差平稳的平稳序列,并应用于样本数据异常点的识别和修正,使模型的预测精度得到提升。实例验证该方法是有效的。 相似文献
2.
本文提出了对非平稳的EEG信号的降噪和提取方法。小波变换是一个多尺度的时频分析方法,利用小波变换对预处理后的EEG信号进行多尺度分解,并与自适应滤波相结合进行消噪。用AR模型对复原的EEG信号进行谱估计。根据从人体的大脑皮层采集得到的数据,利用MATLAB进行了仿真实验,得到了比较满意的结果。 相似文献
3.
在分析GPS变形监测系统获取的变形监测数据误差特性的基础上,采用小波变换算法,对变形观测序列数据进行降噪处理。实践结果表明,该方法可很好地应用于非平稳非等时间间隔观测数据序列的消噪,为研究变形体的非线性变形提供一种有效的方法。 相似文献
4.
5.
在能量受限的侦听网络中,需要大量的信息交换,由于瓶颈节点的能量消耗无法满足侦听网络的流量需求,需要进行流量扩张模型构建。传统方法采用对偶子梯度法实现对侦听网络的流量扩张,方法只能考虑一种流量和节点的组合,适应性能不好。提出一种基于小波变换尺度耦合特性分析的侦听网络流量扩张模型,对侦听网络流量时间序列进行采集与分析,通过小波尺度耦合分析,对路由接收的调度任务指令数量做出有效预测,从而为调度模型的建立提供准确的数据基础。分析流量序列的瞬时频率线性变化规律,得到带宽频间谐振模型,通过小波尺度耦合特性约束,提高了流量的流通量,实现流量扩张。仿真结果表明,算法能有效提高侦听网络的数据流吞吐量,网络流量通道得到有效扩张,提高了侦听网络的安全性和通信效率,展示了较好的应用性能。 相似文献
6.
本文介绍了小波变换和小波包变换的基本原理,小波包变换是小波变换的推广,并优于小波变换。软阈值和硬阈值方法是基本的阈值处理方法,在此基础上衍生出了多种处理方法。对假设的海洋数据进行了降噪处理,效果较好,表明小波包变换用于海洋数据降噪有一定得实际意义． 相似文献
7.
8.
9.
对时间序列的预测是一项重要的数据挖掘技术。本文将独立分量分析方法和小波神经网络相结合,建立一种ICA—WNN预测模型,并应用于风力发电功率时间序列预测。仿真结果表明所建模型具有较好的泛化性能,得到了较高的预测精度。 相似文献
10.
小波网络在时间序列分析中的应用 总被引：5，自引：0，他引：5
本文把小波分析应用到对时间序列的分析中,利用小波具有时频局部性的优点,通过选择适当的小波基来显示时间序列的周期性和随机性,并由神经网络计算方法来确定时间序列的趋势函数及小波基的系数。通过对具有不同特点的实际例子进行分析,证明方法是可行的 相似文献
11.
12.
拉萨气温和降水变化特征的小波分析 总被引：3，自引：0，他引：3
分别用离散和连续的小波变换分析了拉萨最近４４年的气温和降水变化,得出拉萨近半个世纪以来气候变化的一些多尺度演变特征和突变特征,为研究拉萨气候规律和西藏短期气候预测提供了重要依据,同时对小波变换中分析小波能量普与小波系数、小波系数的模的差异进行了比较。最后还讨论了小波分析中应注意的问题及其存在的缺陷。 相似文献
13.
太阳黑子数的时-频域模型 总被引：2，自引：0，他引：2
讨论了将小波变换用于非平稳信号建模的原理,分析了１７００年～１９９３年的太阳黑子数的年均值,提出一种用于非线性非平稳时间序列建模的新方法,与传统方法相比具有独到之处,它适用于需要进行长期预测的情形 相似文献
14.
15.
16.
17.
改进神经网络与小波分析结合的电力负荷预测方法研究及应用 总被引：1，自引：0，他引：1
本文充分考虑神经网络与小波分析的结合建立改进神经网络与小波分析结合的电力负荷预测模型,系统的不同输入数据通过不同的子模块预测,最终以预测结果初始化作为出口.输出的结果可以通过判断模块后再次作为负荷预测子系统的部分输入数据重复预测.实例结果表明该方法具有很高的预测精度和较强的适应能力. 相似文献
18.
为了提高金融股票价格预测的准确性,分析了金融股票价时间序列的特点和规律,采用一种改进的BP神经网络建立时间序列预测模型,以中国石化股票价格走势作为案例进行分析和预测研究.结果表明基于大数集模糊BP神经网络具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于大数集模糊BP神经网络对金融股票价进行预测是行之有效的. 相似文献
19.
研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理．设计了交通流量Voltem神经网络的学习算法快速学习算法：最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。 相似文献
20.
人工神经网络对时间增长序列预测能力分析 总被引：10，自引：0，他引：10
本文从人工神经网络的构成函数出发,分析了网络对某一类具有时间增长特性的过程或序列在学习和建模时存在的局限性和用神经网络模型对这一类系统进行预测时存在的固有误差问题;提出对具有时间增长特性的过程或序列进行预处理后再用神经网络建立系统的非线性模型,最后给出用不同方法对同一系统建模和预测的比较 相似文献