完整word版时间序列的小波分析及等值线图小波方差制作.docx
《完整word版时间序列的小波分析及等值线图小波方差制作.docx》由会员分享,可在线阅读,更多相关《完整word版时间序列的小波分析及等值线图小波方差制作.docx(15页珍藏版)》请在冰豆网上搜索。
![完整word版时间序列的小波分析及等值线图小波方差制作.docx](https://file1.bdocx.com/fileroot1/2023-1/24/2ed512bd-70b0-443e-8de4-54dc46c9914e/2ed512bd-70b0-443e-8de4-54dc46c9914e1.gif)
完整word版时间序列的小波分析及等值线图小波方差制作
时间序列的小波分析
时间序列(TimeSeries)是地学研究中经常遇到的问题。
在时间序列研究中,时域和频域是常用的两
种基本形式。
其中,时域分析具有时间定位能力,但无法得到关于时间序列变化的更多信息;频域分析(如
Fourier变换)虽具有准确的频率定位功能,但仅适合平稳时间序列分析。
然而,地学中许多现象(如河川径流、地震波、暴雨、洪水等)随时间的变化往往受到多种因素的综合影响,大都属于非平稳序列,它们不但具有趋势性、周期性等特征,还存在随机性、突变性以及“多时间尺度”结构,具有多层次演变规律。
对于这类非平稳时间序列的研究,通常需要某一频段对应的时间信息,或某一时段的频域信息。
显然,时域分析和频域分析对此均无能为力。
20世纪80年代初,由Morlet提出的一种具有时-频多分辨功能的小波分析(WaveletAnalysis)为更好的研究时间序列问题提供了可能,它能清晰的揭示出隐藏在时间序列中的多种变化周期,充分反映系统在不同时间尺度中的变化趋势,并能对系统未来发展趋势进行定性估计。
目前,小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域内得到了广泛的应。
在时间序列研究中,小波分析主要用于时间序列的消噪和滤波,信息量系数和分形维数的计算,突变点的监测和周期成分的识别以及多时间尺度的分析等。
一、小波分析基本原理
1•小波函数
小波分析的基本思想是用一簇小波函数系来表示或逼近某一信号或函数。
因此,小波函数是小波分析
的关键,它是指具有震荡性、能够迅速衰减到零的一类函数,即小波函数(t)L2(R)且满足:
(t)dt0
(1)
式中,(t)为基小波函数,它可通过尺度的伸缩和时间轴上的平移构成一簇函数系:
1/2tb
a,b(t)a()其中,a,bR,a0
(2)
a
式中,a,b(t)为子小波;a为尺度因子,反映小波的周期长度;b为平移因子,反应时间上的平移。
需要说明的是,选择合适的基小波函数是进行小波分析的前提。
在实际应用研究中,应针对具体情况选择所需的基小波函数;同一信号或时间序列,若选择不同的基小波函数,所得的结果往往会有所差异,有时甚至差异很大。
目前,主要是通过对比不同小波分析处理信号时所得的结果与理论结果的误差来判定基小波函数的好坏,并由此选定该类研究所需的基小波函数。
2.小波变换
若a,b(t)是由
(2)式给出的子小波,对于给定的能量有限信号f(t)L2(R),其连续小波变换
(ContinueWaveletTransform,简写为CWT)为:
-1/2tb
Wf(a,b)aRf(t)(——)dt(3)
Ra
式中,Wf(a,b)为小波变换系数;f(t)为一个信号或平方可积函数;a为伸缩尺度;b平移参数;一(―b)
a
xb
为()的复共轭函数。
地学中观测到的时间序列数据大多是离散的,设函数f(kt),(k=1,2,…,N;t
为取样间隔),则式(3)的离散小波变换形式为:
-1/2-
atf(kt)(
k1
由式(3)或(4)可知小波分析的基本原理,即通过增加或减小伸缩尺度a来得到信号的低频或高频
信息,然后分析信号的概貌或细节,实现对信号不同时间尺度和空间局部特征的分析。
实际研究中,最主要的就是要由小波变换方程得到小波系数,然后通过这些系数来分析时间序列的时频变化特征。
3.小波方差
将小波系数的平方值在b域上积分,就可得到小波方差,即
2
Var(a)Wf(a,b)db⑸
小波方差随尺度a的变化过程,称为小波方差图。
由式(5)可知,它能反映信号波动的能量随尺度a的
分布。
因此,小波方差图可用来确定信号中不同种尺度扰动的相对强度和存在的主要时间尺度,即主周期。
二、小波分析实例-时间序列的多时间尺度分析(Multi-timescaleanalysis)
例题
河川径流是地理水文学研究中的一个重要变量,而多时间尺度是径流演化过程中存在的重要特征。
所谓径流时间序列的多时间尺度是指:
河川径流在演化过程中,并不存在真正意义上的变化周期,而是其变化周期随着研究尺度的不同而发生相应的变化,这种变化一般表现为小时间尺度的变化周期往往嵌套在大尺度的变化周期之中。
也就是说,径流变化在时间域中存在多层次的时间尺度结构和局部变化特征。
表1给出了某流域某水文观测站1966-2004年的实测径流数据。
试运用小波分析理论,借助Matlab
R2012a、suffer12.0和其他相关软件(Excel、记事本等),完成下述任务:
(1)计算小波系数;
(2)绘
制小波系数图(实部、模和模方)、小波方差图和主周期变化趋势图,并分别说明各图在分析径流多时间尺度变化特征中的作用。
表1某流域某水文观测站1966-2004年实测径流数据(X108mi)
年份
径流量
年份
径流量
年份
径流量
年份
径流量
年份
径流量
1966
1.438
1974
2.235
1982
0.774
1990
1.806
1998
1.709
1967
1.151
1975
4.374
1983
0.367
1991
0.449
1999
0.000
1968
0.536
1976
4.219
1984
0.562
1992
0.120
2000
0.000
1969
1.470
1977
2.590
1985
3.040
1993
0.627
2001
2.104
1970
3.476
1978
3.350
1986
0.304
1994
1.658
2002
0.009
1971
4.068
1979
2.540
1987
0.728
1995
1.025
2003
3.177
1972
2.147
1980
0.807
1988
0.492
1996
0.955
2004
0.921
1973
3.931
1981
0.573
1989
0.007
1997
1.341
分析
1.选择合适的基小波函数是前提
在运用小波分析理论解决实际问题时,选择合适的基小波函数是前提。
只有选择了适合具体问题的基
小波函数,才能得到较为理想的结果。
目前,可选用的小波函数很多,如Mexicanhat小波、Haar小波、
Morlet小波和Meyer小波等。
在本例中,我们选用Morlet连续复小波变换来分析径流时间序列的多时间尺度特征。
原因如下:
1.1径流演变过程中包含“多时间尺度”变化特征且这种变化是连续的,所以应采用连续小波变换来
进行此项分析。
1.2实小波变换只能给出时间序列变化的振幅和正负,而复小波变换可同时给出时间序列变化的位相和振幅两方面的信息,有利于对问题的进一步分析。
1.3复小波函数的实部和虚部位相差为n/2能够消除用实小波变换系数作为判据而产生的虚假振荡,
使分析结果更为准确。
2.绘制小波系数图、小波方差图和主周期变化趋势图是关键
当选择好合适的基小波函数后,下一步的关键就是如何通过小波变换获得小波系数,然后利用相关软件绘制小波系数图、小波方差图和主周期变化趋势图,进而根据上述三种图形的变化识别径流时间序列中存在的多时间尺度。
具体步骤
1.数据格式的转化
2.边界效应的消除或减小
3•计算小波系数
4•计算复小波系数的实部、模、模方、方差
5.绘制小波系数实部、模、模方等值线图
6.绘制小波方差图
7.绘制主周期趋势图
下面,我们以上题为例,结合软件MatlabR2012a、suffer12.0、Excel、记事本等,详细说明小波系数
的计算和各图形的绘制过程,并分别说明各图在分析径流多时间尺度变化特征中的作用。
1.数据格式的转化和保存
将存放在Excel表格里的径流数据(以时间为序排为一列)转化为MatlabR2012a识别的数据格式(.mat)并存盘。
具体操作为:
在MatlabR2012a界面下,单击“File-ImportData”,出现文件选择对话框“Import”后,找到需要转化的数据文件(本例的文件名为runoff.xls),单击“打开”。
等数据转化完成后,单击“Finish”,出现图1显示界面;然后双击图1中的Runoff,弹出“ArrayEditor:
runoff”对话框,选择File文件夹下的
“SaveWorkspaceAs”单击,出现图2所示的“SavetoMAT-File:
”窗口,选择存放路径并填写文件名
(runoff.mat),单击“保存”并关闭“SavetoMAT-File”窗口。
图1数据格式的转化图2数据的保存
2.边界效应的消除或减小
因为本例中的实测径流数据为有限时间数据序列,在时间序列的两端可能会产生“边界效用”。
为消除或减小序列开始点和结束点附近的边界效应,须对其两端数据进行延伸。
在进行完小波变换后,去掉两
MatlabR2012a小波工
端延伸数据的小变换系数,保留原数据序列时段内的小波系数。
本例中,我们利用具箱中的信号延伸(SignalExtension)功能,对径流数据两端进行对称性延伸。
具体方法为:
在MatlabR2012a界面的“CommandWindow”中输入小波工具箱调用命令“Wavemenu”,按Enter键弹"WaveletToolboxMainMenu”(小波工具箱主菜单)界面(图3);然后单击“SignalExtension”,打开SignalExtension/Truncation窗口,单击"File”菜单下的"LoadSignal”,选择runoff.mat文件单击
“打开”,出现图4信号延伸界面。
MatlabR2012a的ExtensionMode菜单下包含了6种基本的延伸方式
(Symmetric、Periodic、ZeroPadding、Continuous、SmoothandForSWT)禾口Directiontoextend菜单下的3种延伸模式(Both、LeftandRight),在这里我们选择对称性两端延伸进行计算。
数据延伸的具体操作过程是:
DesiredLength可以任意选,只要比原始信号长度大,建议在原始信号的基础上加20(这样左右对
称地延伸10个数据),这里选择默认的64;Dircetiontoextend下选择"Both”;ExtensionMode下选择
aSymmetric”;单击“Extend”按钮进行对称性两端延伸计算,然后单击"File”菜单下的"SaveTranformed
Signal”,将延伸后的数据结果存为erunoff.mat文件。
从erunoff文件可知,系统自动将原时间序列数据向前对称延伸12个单位,向后延伸13个单位。
图5小波变换菜单界面
图3小波工具箱主菜单图4径流时间序列的延伸
3•计算小波系数
选择MatlabR2012a小波工具箱中的Morlet复小波函数对延伸后的径流数据序列(erunoff.mat)进行
小波变换,计算小波系数并存盘。
小波工具箱主菜单界面见图3,单击“Wavelet1
D”下的子菜单“ComplexContinuousWavelet1-D”,打开一维复连续小波界面,单击“File”菜单下的
"LoadSignal”按钮,载入径流时间序列erunoff.mat
(图5)。
图5的左侧为信号显示区域,右侧区域给出了信号序列和复小波变换的有关信息和参数,主要包括数据长度(DataSize)、小波函数类型
(Wavelet:
cgau、shan、fbsp禾口cmor)、取样周期(SamplingPeriod)>周期设置(ScaleSetting)和运行按钮(Analyze),以及显示区域的相关显示设置按钮。
本例中,我们选择cmor(1-1.5)、取样周期为1、最大尺度为32,单击“Analyze”运行按钮,计算小波系数。
然后单击“File”菜单下的“Save
Coefficients",保存小波系数为cerunoff.mat文件。
4.计算Morlet复小波系数的实部、模、模方、方差
在MatlabR2012a界面下的Workspace中将cerunoff.mat文件导入,见图6。
图6小波系数导入到Matlab
然后双击“coefs”打开,删掉掉延伸数据的小波变换系数(本例中去掉前12列和后13列),保存。
接下来开始计算Morlet复小波系数的实部、模、模方、方差,具体操作为:
在“CommandWindows”中直
接输入函数“shibu=real(coefs);”,点击“回车”键,计算实部;输入函数“mo=abs(coefs);”,点击“回车”键,计算模;输入函数“mofang=(mo)92;”,点击“回车”键,计算模方;输入函数
“fangcha=sum(abs(coefs).A2,2);",点击“回车”键,计算方差。
见图7。
Workspa匚e
■+In?
X
Stack;
[J?
Selectdatatoplot
Value
Mir>
caefs
<3^x49compl&xcL.
-O,83.»
1.308,-
farigcha
<3^x1double>
3
5464...
J■
mo
<32x49dvubl日a
0.83&5
483iSihi
—1-
mofiing
w32x49double^
O.fi997
2,341,..「
■i—
^1x32doubles
1
32
d
shibu
<33x49double>
-415.„.
234.2..
2匸
wname
'trriQrl-l-S'
图7计算岀的实部、模、
模方、方差成果
注意:
上面涉及到的数据保存,其格式均为.mat。
5.绘制小波系数实部、模、模方等值线图
实部、模、模方等值线图的绘制方法一样,这里仅以实部等值线图为例。
5.1小波系数实部等值线图的绘制
首先,将小波系数实部数据复制到Excel中按照图8格式排列,其中列A为时间,列B为尺度,列C
为不同时间和尺度下所对应的小波系数实部值。
其次,将图9数据转化成Suffer12.0识别的数据格式。
具体操作为:
在Surfer12.0界面下,单击“网
格”菜单下的“数据”按钮,在“打开”窗口选择要打开的文件(小波系数实部.xls),单击“打开”后弹
出“网格化数据”对话框(图10)。
它给出了多种不同的网格化方法、文件输出路径及网格线索几何学等信息。
这里我们选择“克里格“网格方法”,单击“确定”,完成数据格式的转化。
K1LKtc»piiztdT^pcs(*...)
ACCDJAccessIhzim(+,ucdb)
EINGold孤Softwur^Eltikingt*,blklBNAktlb:
EouiidaryC*.bna)
CSVCmaSeparatedYviabits(*.csv)
DATD血(嗽iat)
DIFDatabase(#.dbf)
DXFAutoCADDrawingDita(l.(kf)
LASLiDXRDati(Is.las)
IEBAccess97~2003Database(#.mdb)
SEG-P1DataExchangeFormatseg)PlDataExchangeFcrna.t伴.spl)
SLKSylkSp*«tdih««tC*.slk)
TXTTextliti(*.tit)
ILShc*lSpr^dshtAt(*.sisJ
USXIxcd2007Sprsahhi^t(札xlsz)
KLSHlxcL2007Sprs詛sheet仇湫帥j
图9Suffer12.0可以识别的数据格式列表
最后,绘制小波系数实部等值线图。
在Surfer12.0界面下,单击“地图”菜单下的“等值线图-新建等
值线图”按钮,弹出“打开网格”窗口后,选择“小波系数实部.grd”文件,单击“打开”,完成等值线图
的绘制并保存(图11)。
5.2小波系数实部等值线图在多时间尺度分析中的作用
小波系数实部等值线图能反映径流序列不同时间尺度的周期变化及其在时间域中的分布,进而能判断在不同时间尺度上,径流的未来变化趋势。
为能比较清楚的说明小波系数实部等值线图在径流多时间尺度
5.3小波系数模和模方等值线图的绘制
参考5.1,绘制小波系数模和模方等值线图(图13、14)。
图13小波系数模等值线图图14小波系数模方等值线图
5.4小波系数模等值线图在多时间尺度分析中的作用
Morlet小波系数的模值是不同时间尺度变化周期所对应的能量密度在时间域中分布的反映,系数模值愈大,表明其所对应时段或尺度的周期性就愈强。
从图13可以看出,在流域径流演化过程中,18~32年时
间尺度模值最大,说明该时间尺度周期变化最明显,18~22年时间尺度的周期变化次之,其他时间尺度的
周期性变化较小;
5.5小波系数模方等值线图在多时间尺度分析中的作用
小波系数的模方相当于小波能量谱,它可以分析出不同周期的震荡能量。
由图14知,25~32年时间尺
度的能量最强、周期最显著,但它的周期变化具有局部性(1980s前);10~15年时间尺度能量虽然较弱,
但周期分布比较明显,几乎占据整个研究时域(1974~2004年)。
6.绘制小波方差图
6.1小波方差图的绘制
在图7的“fangcha”上右击,选择“Graph”,在下拉菜单中选择“plot”,即出小波方差图,见图15,在Matlab中可继续美化。
也可双击“fangcha",将数据复制到其他软件(如Excel)中,以小波方差为纵坐标,时间尺度a为横坐标,绘制小波方差,如图16。
6.2小波方差图在多时间尺度分析中的作用
a的分布情况。
可用来确定径流演化过程中存在的
小波方差图能反映径流时间序列的波动能量随尺度主周期。
流域径流的小波方差图中(图15)存在4个较为明显的峰值,它们依次对应着28年、14年、8年和
4年的时间尺度。
其中,最大峰值对应着28年的时间尺度,说明28年左右的周期震荡最强,为流域年径
流变化的第一主周期;14年时间尺度对应着第二峰值,为径流变化的第二主周期,第三、第三峰值分别对应着8年和4年的时间尺度,它们依次为流域径流的第三和第四主周期。
这说明上述4个周期的波动控制
着流域径流在整个时间域内的变化特征。
7.主周期趋势图的绘制及其在多时间尺度分析中的作用
根据小波方差检验的结果,我们绘制出了控制流域径流演变的第一和第二主周期小波系数图(图17)。
从主周期趋势图中我们可以分析出在不同的时间尺度下,流域径流存在的平均周期及丰-枯变化特征。
图
16a显示,在14年特征时间尺度上,流域径流变化的平均周期为期;而在28年特征时间尺度上(图16b),流域的平均变化周期为
图17大沽夹河流域年径流变化的13年和28年特征时间尺度小波实部过程线
参考文献
王文圣,丁晶,李耀清.2005.水文小波分析[M].北京:
化学工业出版社
曹素华等.1998.实用医学多因素统计方法[M].上海:
上海医科大学出版社
方开泰.1989.实用多元统计分析[M].上海:
华东师范大学出版社
何清波,苏炳华,钱亢.2002.医学统计学及其软件包[M].上海:
上海科学技术文献出版社
胡秉民.1987.微电脑在农业科学中的应用[M].北京:
科学出版社
孙尚拱.1990..实用多元变量统计方法与计算程序[M].北京:
北京医科大学、中国协和医科大学联合出版社
唐守正.1986.多元统计分析方法[M]。
北京:
中国林业出版社
王学仁.1982.地址数据的多变量统计分析.北京:
科学出版社
徐振邦,金淳浩,娄元仁.1986.2距离系数和2距离系数尺度在聚类分析中的应用[M].赵旭东等主编,中国数学地质
(1).北京:
地质出版社
於崇文.1978.数学地质的方法与应用[M].北京:
冶金工业出版社nd
AndersonT.W.1967.Introductiontomultivariatestatisticalanalysis,2[M].NewYork:
Wiley
GauchH.G.J.1982.Multivariateanalysisincommunityecology[M].Britain:
CambridgeUniversityPress
HorelA.E.,Wennard.R.W.andBaldwinK.F.1975.regression:
somesimulations.CommunicationsinStatistics[J],4:
105~123
练习试运用小波分析理论,分析某市年平均降水过程中存在的多时间尺度变化特征。
表2某市1957-2004年实测年均降水量(mm)
年份
降水量
年份
降水量
年份
降水量
年份
降水量
1957
320.0
1969
324.8
1981
506.0
1993
384.4
1958
481.2
1970
412.3
1982
282.1
1994
503.9
1959
522.6
1971
366.5
1983
508.6
1995
406.7
1960
339.3
1972
262.4
1984
523.9
1996
465.7
1961
719.9
1973
521.9
1985
518.9
1997
345.3
1962
373.5
1974
351.7
1986
320.1
1998
454.9
1963
332.9
1975
398.4
1987
340.0
1999
327.9
1964
741.2
1976
320.2
1988
478.5
2000
406.2
1965
454.3
1977
445.4
1989
402.4
2001
404.7
1966
604.3
1978
534.8
1990
552.4
2002
401.9
1967
451.9
1979
509.7
1991
313.9
2003
605.1
1968
424.3
1980
395.5
1992
591.0
2004
385.4