隨著實時觀測技術的發(fā)展,社會各行業(yè)已經積累了海量的信息數據。從事物發(fā)展過程中測量到的海量數據中挖掘出能夠揭示事物發(fā)展一般規(guī)律的有用信息,據此預測事物的發(fā)展趨勢,不僅是大數據分析和預測科學的核心問題,也是實際工作的需要,因而具有重要的科學價值和應用價值。本文首先引入HHT方法分析時間序列的時頻變化特點,揭示事件發(fā)展的時間特征,然后結合EMD技術和季節(jié)性ARIMA模型預測時間序列未來的發(fā)展趨勢。希爾伯特黃變換（HHT）時頻分析方法包含兩部分,即經驗模態(tài)分解（EMD）和希爾伯特譜分析（HSA）,將其應用于Husdom Bay公司的年度貂皮銷售數據、IBM公司普通股的交易日收盤價數據、黃河蘭州站日含沙量數據中,通過對這些數據進行HHT時頻分析,獲得它們的經驗模態(tài)分解圖、希爾伯特譜、邊際譜、希爾伯特能量譜、瞬時能量譜和瞬時頻率。實驗結果表明,HHT方法準確描述了Husdom Bay公司年度貂皮銷售數據、IBM公司普通股交易日收盤價數據、黃河蘭州站日含沙量數據的非線性時變特征,是數據時頻分析的有效工具。針對實際問題中時間序列非線性、非平穩(wěn)、多尺度復合的特點建立了一種基于EMD方法的時間序列預測模型... 

【文章來源】：西北師范大學甘肅省

【文章頁數】：73 頁

【學位級別】：碩士

【部分圖文】：

圖４．１．１?Ｈｕｓｄｏｍ?公司年度貂皮鑛會數據餐驗模態(tài)分解??

３．５?）?ｉ?）?）?）?）??＿?ｉｍｆｌ????ｉｍｆ２??３?＿?＼?Ａ?１???ｉｍｆ３??§?：：織：??〇??｜?！?！?｜?｜?｜???〇?ｌＯ?２０?３０?４０?５０?６０?７０??時間／ａ??圖４．１．２?Ｈｉｉｓｄｏｍ?Ｂａｙ公司年度貂皮銷售數據瞬時頻率??〇．?５０?＾＾——｜?—Ｉ??—?１?ｒ??０．?４５?－?—?－?：－?？?＿?－?＊??０．?４０?二?＿?－－??Ｍ?〇．?３５?－?一??Ｋ?＿?－二；?￣?－?—■?■??＾?０．?３０?－－?一??ｍ?，?＿??這?０．?２５?－??Ｉ??＾?０．?２０?－??０．?１５?－?￣??０．?１０?－?－??０．?０５?－??０??！?１?１?！?ｌ??０?１０?２０?３０?４０?５０?６０??時間／ａ??圖４．１．３?Ｈｉｉｓｄｏｍ?Ｂａｙ公司年度貂皮銷售數據希爾伯特譜??圖４．１．２是由３個內在模函數經過ＨＨＴ變換得到的瞬時頻率，可以看出：ｉｍｆｌ？３??的瞬時頻率是逐漸降低的，總體來說振幅也是逐漸變�。粓D４丄３是ｉｍｆｌ？３經過希??２７??

３．５?）?ｉ?）?）?）?）??＿?ｉｍｆｌ????ｉｍｆ２??３?＿?＼?Ａ?１???ｉｍｆ３??§?：：織：??〇??｜?！?！?｜?｜?｜???〇?ｌＯ?２０?３０?４０?５０?６０?７０??時間／ａ??圖４．１．２?Ｈｉｉｓｄｏｍ?Ｂａｙ公司年度貂皮銷售數據瞬時頻率??〇．?５０?＾＾——｜?—Ｉ??—?１?ｒ??０．?４５?－?—?－?：－?？?＿?－?＊??０．?４０?二?＿?－－??Ｍ?〇．?３５?－?一??Ｋ?＿?－二；?￣?－?—■?■??＾?０．?３０?－－?一??ｍ?，?＿??這?０．?２５?－??Ｉ??＾?０．?２０?－??０．?１５?－?￣??０．?１０?－?－??０．?０５?－??０??！?１?１?！?ｌ??０?１０?２０?３０?４０?５０?６０??時間／ａ??圖４．１．３?Ｈｉｉｓｄｏｍ?Ｂａｙ公司年度貂皮銷售數據希爾伯特譜??圖４．１．２是由３個內在模函數經過ＨＨＴ變換得到的瞬時頻率，可以看出：ｉｍｆｌ？３??的瞬時頻率是逐漸降低的，總體來說振幅也是逐漸變��；圖４丄３是ｉｍｆｌ？３經過希??２７??

【參考文獻】：
期刊論文
[1]基于傅里葉變換的混凝土孔洞檢驗[J]. 范宏,任鵬庚,苗潤陽,楊海川.  青島理工大學學報. 2019(06)
[2]小波分析在發(fā)動機故障診斷中的應用[J]. 周東翔,張小明,陳明,王衍濤.  內燃機與配件. 2019(21)
[3]小波分析在GPS動態(tài)觀測中的應用研究[J]. 方俊杰,鮑陳辰,方喆偉,施利濤.  工程勘察. 2019(11)
[4]基于AR模型和GRNN的結構損傷識別研究[J]. 王玉梅,劉國棟,隋宗震,郭蕩.  低溫建筑技術. 2019(10)
[5]基于移動平均法的汽車4S店新車銷售需求預測分析[J]. 王彥梅.  中國商論. 2019(18)
[6]基于ARMA模型的股票收益率預測及R語言實現——以萬科為例[J]. 劉越,黃敬,王志堅.  科技風. 2019(23)
[7]商業(yè)銀行國際化水平測算模型的改進與應用[J]. 蔣海曦,王明哲,李天德.  數量經濟技術經濟研究. 2019(07)
[8]基于MA模型的中國環(huán)境保護稅福利效應預測研究[J]. 李琦.  經濟研究參考. 2018(56)
[9]基于小波神經網絡模型的含沙量預測研究[J]. 吳海波,劉銀,石叡.  人民珠江. 2015(06)
[10]趨勢移動平均法在耕地面積預測中的應用研究——基于1985-2010年甘肅省耕地面積分析[J]. 程文仕,曹春,黃鑫.  干旱區(qū)資源與環(huán)境. 2015(08)

碩士論文
[1]基于時間序列分析方法的油田產量預測與應用[D]. 李達.蘭州理工大學 2018
[2]基于EMD的股票指數組合預測模型[D]. 張文鳳.重慶大學 2017
[3]基于FCM算法的電子商務信用評級方法研究[D]. 謝璞.昆明理工大學 2012
[4]基于信息融合的旋轉機械全信息時頻分析方法研究[D]. 王麗雅.鄭州大學 2005



本文編號：2991283