本文關(guān)鍵詞：復(fù)雜系統(tǒng)時間序列的若干問題研究

  更多相關(guān)文章： 復(fù)雜系統(tǒng) 交通擁堵指數(shù) 金融時間序列 時間序列分割 Jensen-Shannon離散測度 遞歸圖 遞歸定量分析 大偏差估計

【摘要】：復(fù)雜系統(tǒng)在我們生活的世界中隨處可見,其中交通系統(tǒng)和金融系統(tǒng)與我們的關(guān)系最為密切,這些復(fù)雜系統(tǒng)經(jīng)常會因為一些人為或物理因素導(dǎo)致極端事件的發(fā)生。所以由復(fù)雜系統(tǒng)生成的時間序列往往是非平穩(wěn)的,其統(tǒng)計學(xué)特性經(jīng)常隨著時間的遷移而發(fā)生改變。本文研究了兩種較為典型的時間序列：交通流時間序列和金融時間序列,并通過三種時間序列分析方法分析時間序列中的一些統(tǒng)計特性。一方面,在研究交通擁堵指數(shù)序列時,我們提出了兩種用于研究非平穩(wěn)時間序列的方法：其一是基于熵值的時間序列分割方法。該方法運用Jensen-Shannon離散測度來量化符號化序列概率分布的差異性。其二是遞歸分析。該方法首先利用遞歸圖,定性分析交通時間序列在相空間中的狀態(tài)重現(xiàn)。然后利用遞歸定量分析,對遞歸圖的局部結(jié)構(gòu)進行量化分析,研究時間序列在相空間中軌跡的相似性。另一方面,在研究金融時間序列時,我們提出了一種用于研究時間序列的重分形分析方法,這種方法通過重分形譜刻畫時間序列粗糙度指數(shù)的非均勻性來研究時間序列的統(tǒng)計特性。在本文中我們利用震蕩來計算時間序列的粗糙度指數(shù),利用大偏差譜來刻畫其非均勻性。本文共分為六章,組織結(jié)構(gòu)如下：第1章為引言部分。介紹本文的研究背景,研究對象,研究意義以及主要工作。第2章提出了一種基于熵值的時間序列分割方法,運用Jensen-Shannon離散測度來量化符號化序列概率分布的差異性,確定“變點”,同時結(jié)合假設(shè)性檢驗確定分割何時停止。我們將這種分割方法運用到北京交通擁堵指數(shù)序列,研究了從2010年1月1日到2012年1月31日共計676天的分割結(jié)果。通過對比每一天的分割結(jié)果,我們發(fā)現(xiàn)了北京交通系統(tǒng)運行存在的普遍規(guī)律：交通擁堵指數(shù)序列在早高峰時的突現(xiàn)性更加明顯；工作日早高峰的時間分布有很強的相似性(集中在7：30至9：00),非工作日早高峰的時間分布有很強的相似性,且區(qū)別于工作日(集中在9：30到12：00)；周一到周五的交通擁堵指數(shù),其復(fù)雜度更高,具有更復(fù)雜的交通狀況,而周六周日的復(fù)雜度相對較低,出行相對容易。第3章研究了一種用于分析時間序列狀態(tài)重現(xiàn)的方法——遞歸圖。在這一章中,我們通過相空間重構(gòu),利用高維空間來刻畫交通時間序列,并且通過歐幾里得范數(shù)來刻畫相空間中兩個狀態(tài)的親密度,構(gòu)建遞歸圖。通過對遞歸圖結(jié)構(gòu)的定性分析,我們發(fā)現(xiàn)交通時間序列中存在的非平穩(wěn)性,周期性,突變性等性質(zhì),以及在非平穩(wěn)狀態(tài)下所暗含的一些平穩(wěn)狀態(tài)。第4章用遞歸定量分析對遞歸圖結(jié)構(gòu)進行量化分析。首先,我們提出了一些用于遞歸定量分析的指標(biāo)。這些指標(biāo)基于對遞歸點密度,對角線、水平(或垂直)線結(jié)構(gòu)的分析研究,通過利用一些復(fù)雜度測量方法來量化遞歸圖中的一些細(xì)微結(jié)構(gòu)。然后,我們將交通時間序列遞歸圖分割成49(7×7)個窗口,通過計算每個窗口局部的遞歸率,確定性,散度和香農(nóng)熵,我們發(fā)現(xiàn)工作日的交通時間序列在相空間中的軌跡存在相似性,說明交通擁堵指數(shù)的分布在工作日都較為類似。最后,我們將基于熵值的時間序列分割方法與遞歸定量分析進行結(jié)合。通過一個給定長度的滑動窗口,得到了一個與時間有關(guān)的遞歸定量分析結(jié)果,我們稱為遞歸定量分析時間序列。隨后我們用信息熵分割方法對原始序列和所得到的遞歸定量分析時間序列進行分割。對比分割結(jié)果,我們發(fā)現(xiàn)兩者的分割位置基本保持一致,尤其是確定性和香農(nóng)熵的分割位置與原始交通擁堵指數(shù)的一致性更高。這說明,滑動窗口下的遞歸定量分析時間序列可以較好的還原原始序列的分布趨勢,并且能夠探測到序列中狀態(tài)發(fā)生變化的時刻。第5章用大偏差譜對金融時間序列進行重分形分析。首先,我們介紹了重分形譜的理論基礎(chǔ),計算了二元區(qū)間中基于震蕩的粗糙度指數(shù),并用大偏差譜刻畫了粗糙度指數(shù)分布的不均勻性。同時提出了一種自適應(yīng)的算法將重分形譜分析應(yīng)用到離散的時間序列中,使得我們能夠在不同標(biāo)度下估算大偏差譜。然后我們研究了金融時間序列極端事件對大偏差譜非凹性的影響,展示了基于大偏差譜在探測極端事件發(fā)生時的有效性。最后我們用大偏差譜驗證了金融時間序列呈現(xiàn)的微妙的非標(biāo)度行為。第6章總結(jié)了全文。
【關(guān)鍵詞】：復(fù)雜系統(tǒng) 交通擁堵指數(shù) 金融時間序列 時間序列分割 Jensen-Shannon離散測度 遞歸圖 遞歸定量分析 大偏差估計
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224
【目錄】：

• 致謝5-6
• 摘要6-8
• ABSTRACT8-12
• 1 引言12-19
• 1.1 研究背景與研究方法12-15
• 1.2 交通流時間序列概述15-16
• 1.3 金融時間序列概述16-17
• 1.4 論文體系框架和主要內(nèi)容17-19
• 2 基于熵值的時間序列分割及其在交通流上的應(yīng)用19-26
• 2.1 時間序列分割方法的基本步驟19-22
• 2.1.1 Jensen-Shannon離散測度20-21
• 2.1.2 假設(shè)性檢驗21-22
• 2.2 數(shù)據(jù)22
• 2.3 結(jié)果和討論22-26
• 2.3.1 初步分析22-24
• 2.3.2 重復(fù)性實驗24-26
• 3 遞歸圖及其在交通流上的應(yīng)用26-38
• 3.1 時間序列遞歸圖26-27
• 3.2 數(shù)據(jù)27-28
• 3.3 參數(shù)選取28-32
• 3.3.1 最優(yōu)延遲時間28-30
• 3.3.2 最優(yōu)嵌入維數(shù)30-31
• 3.3.3 最優(yōu)閾值31-32
• 3.4 結(jié)果和討論32-38
• 3.4.1 第一組數(shù)據(jù)實驗結(jié)果33-35
• 3.4.2 第二組數(shù)據(jù)實驗結(jié)果35-38
• 4 遞歸定量分析及其在交通流上的應(yīng)用38-45
• 4.1 遞歸定量分析指標(biāo)38-39
• 4.2 數(shù)據(jù)39
• 4.3 局部遞歸定量分析39-43
• 4.3.1 局部遞歸率39-40
• 4.3.2 局部確定性40-41
• 4.3.3 局部散度41-42
• 4.3.4 局部香農(nóng)熵42-43
• 4.4 結(jié)合分割算法的遞歸定量分析43-45
• 5 時間序列的大偏差及其在金融上的應(yīng)用45-53
• 5.1 多尺度大偏差模型45-48
• 5.1.1 重分形譜的理論基礎(chǔ)45-46
• 5.1.2 重分形譜的實際估計46-47
• 5.1.3 信號標(biāo)準(zhǔn)化47
• 5.1.4 大偏差譜分析方法的基本步驟47-48
• 5.2 數(shù)據(jù)48
• 5.3 結(jié)果和討論48-53
• 5.3.1 金融時間序列極端事件對大偏差譜非凹性的影響48-50
• 5.3.2 金融時間序列標(biāo)度行為研究50-53
• 6 結(jié)論53-56
• 參考文獻56-59
• 附錄A59-61
• 作者簡歷及攻讀碩士/博士學(xué)位期間取得的研究成果61-63
• 學(xué)位論文數(shù)據(jù)集63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 許清海;混沌投資時間序列的嬗變[J];漳州師范學(xué)院學(xué)報(自然科學(xué)版);2003年01期

2 高潔;孫立新;;長記憶時間序列的適應(yīng)性預(yù)測誤差的譜密度[J];統(tǒng)計與決策;2006年13期

3 黃超;龔惠群;;金融領(lǐng)域時間序列挖掘技術(shù)研究[J];東南大學(xué)學(xué)報(哲學(xué)社會科學(xué)版);2007年05期

4 耿顯民;;價格時間序列及其應(yīng)用(英文)[J];數(shù)學(xué)季刊;2008年01期

5 杜江;李玉蓉;鐘菲菲;;基于模糊時間序列對我國對外貿(mào)易中的進口水平的預(yù)測[J];統(tǒng)計與決策;2010年23期

6 王朝;;淺述時間序列的預(yù)測方法[J];商業(yè)文化(下半月);2012年03期

7 劉猛洪;汪愛麗;;基于模糊時間序列的短期電力負(fù)荷預(yù)測[J];電子世界;2013年07期

8 劉彩霞;;時間序列在糧食預(yù)測中的應(yīng)用[J];東方企業(yè)文化;2013年09期

9 鄧樹增;技術(shù)發(fā)展的時間序列律[J];科學(xué)學(xué)研究;1988年01期

10 肖牧;確定經(jīng)濟因素對地方當(dāng)局政策的影響:利用時間序列和轉(zhuǎn)換的功能模型[J];管理科學(xué)文摘;1996年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時間序列的航空備件消耗預(yù)測[A];中國系統(tǒng)工程學(xué)會決策科學(xué)專業(yè)委員會第六屆學(xué)術(shù)年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強;;基于線性模型方法對時間序列中異常值的檢測及證券實證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責(zé)任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測方法[A];第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（下）[C];2013年

8 黃云貴;;基于時間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時間序列化[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

中國重要報紙全文數(shù)據(jù)庫 前6條

1 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

2 何德旭 王朝陽;時間序列計量經(jīng)濟學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟報道;2003年

4 西南證券高級研究員 董先安邋德圣基金研究中心 郭奔宇;預(yù)計6月CPI同比上漲7.2%[N];證券時報;2008年

5 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

6 任勇邋鄭重;中國對世界鋼材價格的影響實證分析[N];現(xiàn)代物流報;2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張墨謙;遙感時間序列數(shù)據(jù)的特征挖掘：在生態(tài)學(xué)中的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 張德成;滑坡預(yù)測預(yù)報研究[D];昆明理工大學(xué);2015年

3 苗圣法;時間序列的模式檢測[D];蘭州大學(xué);2015年

4 翁同峰;時間序列與復(fù)雜網(wǎng)絡(luò)之間等價性問題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

5 楊婷婷;用Argo浮標(biāo)結(jié)合衛(wèi)星觀測估算北太平洋經(jīng)向熱輸運[D];中國科學(xué)院研究生院(海洋研究所);2015年

6 史文彬;時間序列的相關(guān)性及信息熵分析[D];北京交通大學(xué);2016年

7 王曉曄;時間序列數(shù)據(jù)挖掘中相似性和趨勢預(yù)測的研究[D];天津大學(xué);2003年

8 李桂玲;時間序列的分割及不一致發(fā)現(xiàn)研究[D];華中科技大學(xué);2012年

9 周勇;時間序列時序關(guān)聯(lián)規(guī)則挖掘研究[D];西南財經(jīng)大學(xué);2008年

10 張勇;時間序列模式匹配技術(shù)研究[D];華中科技大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳健;基于多變量相空間重構(gòu)的投資組合策略研究[D];華南理工大學(xué);2015年

2 蘭鑫;時間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

3 米曉將;區(qū)域尺度下月均氣溫的時空演化格局研究[D];昆明理工大學(xué);2015年

4 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預(yù)測研究[D];南京信息工程大學(xué);2015年

5 林健;基于改進小世界回聲狀態(tài)網(wǎng)的時間序列預(yù)測[D];渤海大學(xué);2015年

6 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測方法[D];南京信息工程大學(xué);2015年

7 高雄飛;基于分形理論的土壤含水量時間序列特性分析[D];長安大學(xué);2015年

8 姚茜;城市安全生產(chǎn)發(fā)展目標(biāo)研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 謝翠穎;蘇州社會消費品零售總額簡析[D];蘇州大學(xué);2015年

10 包仁義;基于時間序列的搜索引擎評估模型算法研究[D];東北師范大學(xué);2015年

，

本文編號：1103566