小波分析经典案例Word文档下载推荐.docx

1、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；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，（k=1,2,N;为取样间隔），则式（3）的离散小波变换形式为： （4）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 （5）小波方差随尺度a的变化过程，称为小波方差图。由式

2、（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-time scale analysis）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

3、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Matlab6.5、suffer8.0和相关软件（Excel等），完成下述任务：计算小波系数；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（108m3）年份径流量19661.43819742.23519820.77419901.80619981.70919671.15119754.37419830.36719910.44919990.00019680.53619764.2191984

4、0.56219920.120200019691.47019772.59019853.04019930.62720012.10419703.47619783.35019860.30419941.65820020.00919714.06819792.54019870.72819951.02520033.17719722.14719800.80719880.49219960.95520040.92119733.93119810.57319890.00719971.341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

5、，才能得到较为理想的结果。目前，可选用的小波函数很多，如Mexican hat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/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

6、、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5. 绘制小波系数实部等值线图6. 绘制小波系数模和模方等值线图7. 绘制小波方差图8. 绘制主周期趋势图下面，我们以上题为例，结合软件Matlab 6.5、Suffer 8.0和Excel，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

7、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Matlab 6.5识别的数据格式（.mat）并存盘。具体操作为：在Matlab 6.5 界面下，单击“File-Import Data”，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“Array Editor: runoff”对话框，选择File文件夹下的“Save Workspace As”单击，出现图2所示的“Save to

8、 MAT-File:”窗口，选择存放路径并填写文件名（runoff.mat），单击“保存”并关闭“Save to MAT-File”窗口。图1 数据格式的转化图2数据的保存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Matlab 6.5小波工具箱中的信号延伸（Signal Extension）功能，对径流数据两端进行对称性延伸。具体方法为：在Matlab 6.5界面的“Command Wi

9、ndow”中输入小波工具箱调用命令“Wavemenu”，按Enter键弹“Wavelet Toolbox Main Menu”（小波工具箱主菜单）界面（图）；然后单击“Signal Extension”，打开Signal Extension / Truncation窗口，单击“File”菜单下的“Load Signal”，选择runoff.mat文件单击“打开”，出现图4信号延伸界面。Matlab 6.5的Extension Mode菜单下包含了6种基本的延伸方式（Symmetric、Periodic、Zero Padding、Continuous、Smooth and For SWT）和Di

10、rection to extend菜单下的3种延伸模式（Both、Left and Right），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：在Extension Mode下选择“ Symmetric”，Dircetion to extend下选择“Both”，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“Save Tranformed 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3 小波工具箱主菜单图4 径流时间序列的延伸图

11、5 小波变换菜单界面选择Matlab 6.5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“Wavelet 1-D”下的子菜单“Complex Continuous Wavelet 1-D”，打开一维复连续小波界面，单击“File”菜单下的“Load Signal”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（Data Size）、小波函数类型（Wavelet：cgau、shan、fbsp

12、和cmor）、取样周期（Sampling Period）、周期设置（Scale Setting）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。注意：上面涉及到的数据保存，其格式均为.mat。4. 计算Morlet复小波系数的实部（直接用MATLAB实现，不按他的来，接照片的操作）将复小波系数转存到Excel表格，去掉两端延伸数据的小波系数，并计算小波系

13、数实部。在Matlab 6.5界面下的Workspace中将cerunoff.mat文件导入，然后双击打开，全部复制到Excel后去掉延伸数据的小波变换系数（本例中去掉前12列和后13列），或只复制原时间序列的小波变换系数到Excel，最后使用Excel中的IMREAL函数计算原时间序列的小波系数实部（图6）。图6 复小波系数及实部计算示意图Excel 中IMREAL函数的调用方法为：单击“插入”菜单下的“函数（F）”按钮，弹出图7所示的“插入函数”窗口，在“搜索函数（S）：”框中输入：“IMREAL”后单击“转到”，再单击“确定”，出现函数参数窗口（图8）。在“Inumber”一栏的空白处输

14、入所要计算的数据（图6），单击“确定”即可得到小波系数实部值。图7 IMEAL 函数调用图8 IMEAL 函数参数需要说明的是，从cerunoff.mat文件中转到Excel里的复小波系数，在其实部和虚部中间包含许多“空格”，在计算之前需要先将其去掉。5. 借助Suffer 8.0，绘制小波系数实部等值线图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按照图9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。图9 小波系数实部数据格式其次，将图9数据转化成Suffer 8.0识别的数据格式。在Suffer 8.0界面下，单击“网格”菜单下的“数据”

15、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。图10 小波系数实部数据格式转化图11 Suffer8.0中的小系数实部等值线图最后，绘制小波系数实部等值线图。在Suffer 8.0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存盘（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

16、图12 小系数实部等值线图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分析中的作用，我们利用Suffer 8.0对其进一步处理和修饰，得到图12显示的小波系数实部等值线图。其中，横坐标为时间（年份），纵坐标为时间尺度，图中的等值曲线为小波系数实部值。当小波系数实部值为正时，代表径流丰水期，在图中我们用实线绘出，“H”表示正值中心；为负时，表示径流枯水期，用虚线绘出，“L”表示负值中心。由图12可以清楚的看到径流演化过程中存在的多时间尺度特征。总的来说，在流域径

17、流演变过程中存在着1832年，817年以及37年的3类尺度的周期变化规律。其中，在1832年尺度上出现了枯-丰交替的准两次震荡；在817年时间尺度上存在准5次震荡。同时，还可以看出以上两个尺度的周期变化在整个分析时段表现的非常稳定，具有全域性；而310年尺度的周期变化，在1980s以后表现的较为稳定。6.1 小波系数模和模方等值线图的绘制参考4、5两步，绘制小波系数模和模方等值线图（图13、14）。说明：在Excel中，复数模的计算函数为“IMABS”。图13 小波系数模等值线图图14 小波系数模方等值线图6.2 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

18、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，1832年时间尺度模值最大，说明该时间尺度周期变化最明显，1822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；6.2 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，2532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）；1015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（19742004年）。7.1小波方差图的绘制图15

19、小波方差图将不同时间尺度下的小波系数代入式（5）可得径流变化的小波方差，以小波方差为纵坐标，时间尺度a为横坐标，可绘制小波方差图（图15）。7.2小波方差图在多时间尺度分析中的作用小波方差图能反映径流时间序列的波动能量随尺度a的分布情况。可用来确定径流演化过程中存在的主周期。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

20、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。8. 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16）。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9.5年左右，大约经历了4个丰-枯转换期；而在28年特征时间尺度上（图16b），流域的平均变化周期为20年左右，大约2个周期的丰-枯变化。图16 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

21、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：徐振

22、邦，金淳浩，娄元仁. 1986. 距离系数和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Anderson T. W. 1967. Introduction to multivariate statistical analysis, 2ndM. New York: WileyGauch H. G. J. 1982. Multivariate analysis in community ecologyM. Britain: Cambridge University PressHorel

23、A. E. ,Wennard. R. W. and Baldwin K. F. 1975. regression: some simulations. Communications in StatisticsJ, 4: 105123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）降水量1957320.0324.8506.0384.41958481.2412.3282.1503.91959522.6366.5508.6406.71960339.3262.4523.9465.71961719.9521.9518.9345.31962373.5351.7320.1454.91963332.9398.4340.0327.91964741.2320.2478.5406.21965454.3445.4402.4404.7604.3534.8552.4401.9451.9509.7313.9605.1424.3395.5591.0385.4