具有模糊周期性的过程的时间序列分析和识别

DOI:

评审日期

出版日期

注解: 研究的主题是估计时间序列中的噪声分量及其去除的方法,趋势和波动与不同时期的分配,T-ε的概念;和t-h-ε几乎周期有限系列被介绍. 该分析基于表示初始数据的函数平滑性的要求，并且具有高达四阶的导数，以及基于Alter–Johnson类型函数的几乎周期的分配。 另外，突出显示了在若干波动的数据中识别的周期长度的趋势。 用于解决问题的算法基于最小化计算值与平滑函数的偏差，前提是与初始数据的偏差对应于噪声水平。 修改后的Alter-Johnson函数用于识别振荡分量和几乎周期的趋势。 所提出的估计和消除数据中的噪声的方法和算法使得能够合理地确定数据中的噪声水平，从数据中去除噪声成分，在文章中引入的定义的意义上识别数据中的几乎周期，识别数据中的趋势和振荡成分，必要时识别几乎周期的变化趋势。

出版日期: