李旭分享 http://www.ueservicedoffices.com/u/lixujeremy 代碼與散打愛好者!

博文

MATLAB:小波分析—時間序列的多時間尺度分析

已有 47036 次閱讀 2014-5-15 21:01 |個人分類:Matlab|系統分類:科研筆記|關鍵詞:Wavelet| Wavelet

時間序列(Time Series)是地學研究中經常遇到的問題。在時間序列研究中,時域和頻域是常用的兩種基本形式。其中,時域分析具有時間定位能力,但無法得到關于時間序列變化的更多信息;頻域分析(如Fourier變換)雖具有準確的頻率定位功能,但僅適合平穩時間序列分析。然而,地學中許多現象(如河川徑流、地震波、暴雨、洪水等)隨時間的變化往往受到多種因素的綜合影響,大都屬于非平穩序列,它們不但具有趨勢性、周期性等特征,還存在隨機性、突變性以及“多時間尺度”結構,具有多層次演變規律。對于這類非平穩時間序列的研究,通常需要某一頻段對應的時間信息,或某一時段的頻域信息。顯然,時域分析和頻域分析對此均無能為力。

20世紀80年代初,由Morlet提出的一種具有時—頻多分辨功能的小波分析(Wavelet Analysis)為更好的研究時間序列問題提供了可能,它能清晰的揭示出隱藏在時間序列中的多種變化周期,充分反映系統在不同時間尺度中的變化趨勢,并能對系統未來發展趨勢進行定性估計。

本帖以美國某氣象站1894~2010年連續的年降水量為例,試應用小波分析,完成如下任務:①小波變換系數;②繪制小波系數實部等值線圖;③繪制小波系數模和模方等值線圖;④繪制小波方差圖;以及⑤繪制不同時間尺度的小波實部過程線。所謂年降水量時間序列的多時間尺度是指:年降水量在演化過程中,并不存在真正意義上的變化周期,而是其變化周期隨著研究尺度的不同而發生相應的變化,這種變化一般表現為小時間尺度的變化周期往往嵌套在大尺度的變化周期之中。也就是說,年降水量變化在時間域中存在多層次的時間尺度結構和局部變化特征。

小波分析的計算過程請參考:小波分析—經典、小波方差制作步驟、等。

小波分析的基本理論在此不多敘述,請參考其他文獻。本帖主要介紹小波分析的一般過程,數據及部分代碼將附在文末。

0.年降水量的變化趨勢分析

該站點的年降水量變化情況(LI_plot函數)如圖 0所示,其發展呈微微上升的趨勢,降水量最高年份出現在2003年,全年累計達到1610.70mm,最低值出現在1965年,累計僅有748.90mm。

0

1數據的加載

加載多年降水量至MATLABR2011a),使用Load Prec命令。

2.邊界效應的消除或減小

由于本例中的實測年降水量數據為有限時間數據序列,在時間序列的兩端可能會產生“邊界效用”。為消除或減小序列開始點和結束點附近的邊界效應,須對其兩端數據進行延伸。在進行完小波變換后,去掉兩端延伸數據的小波變換系數,保留原數據序列時段內的小波系數。本例中,我們利用Matlab小波工具箱中的信號延伸(SignalExtension)功能,對數據兩端進行對稱性延伸。

具體步驟:在Matlab界面的“Command Window”中輸入小波工具箱調用命令“wavemenu”,按Enter鍵彈“Wavelet Toolbox Main Menu”(小波工具箱主菜單)界面(圖 1上);然后單擊“Signal Extension”,打開Signal Extension /Truncation窗口,單擊“File”菜單下的“Load Signal”,選擇Prec.mat文件單擊“打開”,出現信號延伸界面。MatlabExtension Mode菜單下包含多種延伸方式和Direction to extend菜單下的3種延伸模式(Both、Left and Right),在這里我們選擇對稱性兩端延伸進行計算。具體操作過程是:在Extension Mode下選擇“Symmetric(Whole-Point)”,Dircetion to extend下選擇“Both”,單擊“Extend”按鈕進行對稱性兩端延伸計算(圖 1下),然后單擊“File”菜單下的“Save Tranformed Signal”,將延伸后的數據結果存為ePrec.mat文件。

ePrec文件可知(entendvalue函數),系統自動將原時間序列數據向前對稱延伸5個單位,向后延伸6個單位。

1

3.計算小波系數

選擇Matlab小波工具箱中的Morlet復小波函數對延伸后的數據序列(ePrec.mat)進行小波變換,計算小波系數并保存。

小波工具箱主菜單界面見圖1上,單擊“One-Dimensional”下的子菜單“Complex Continuous Wavelet 1-D”,打開一維復連續小波界面,單擊“File”菜單下的“Load Signal”按鈕,載入時間序列數據ePrec.mat。圖 2第一排的左側為信號顯示區域,右側區域給出了信號序列和復小波變換的有關信息和參數,主要包括數據長度(Data Size)、小波函數類型(Waveletcgau、shan、fbspcmor)、取樣周期(Sampling Period)、周期設置(ScaleSetting)和運行按鈕(Analyze),以及顯示區域的相關顯示設置按鈕。本例中,我們選擇cmor (1-1.5)、取樣周期為1、最大尺度為64(延伸后的時間序列的一半),單擊“Analyze”運行按鈕,計算小波系數。然后單擊“File”菜單下的“Save Coefficients”,保存小波系數為cePrec.mat文件。

2

4.計算Morlet復小波系數的實部

去除兩端延伸數據的小波系數(entendvalue函數),并計算小波系數實部(real函數)。

5.繪制小波系數實部等值線圖

這部分過程應用LI_contourf函數,年降水量小波系數實部等值線圖見圖 3。

如圖3所示的小波系數實部等值線圖。其中,橫坐標為時間(年份),縱坐標為時間尺度,圖中的等值曲線為小波系數實部值。小波系數實部等值線圖能反映年降水量序列不同時間尺度的周期變化及其在時間域中的分布,進而能判斷在不同時間尺度上,年降水量的未來變化趨勢。

3

由圖 3可以看出降水量1894~2010年演化過程中存在著14~18a的主振蕩周期(這一周期是多個振蕩周期疊加的矢量和,隨后將在小波方差圖中對這一主周期進行分解,剝離出第一主周期等等)。在整個時間尺度上出現4個偏多中心和3個偏少中心,分別為1899、1938、1972、2007年和1919、1956、1990年。

6.繪制小波系數模和模方等值線圖

首先,計算小波系數的模和模方,再利用LI_contourf函數繪制模和模方等值線圖。

Morlet小波系數的模值是不同時間尺度變化周期所對應的能量密度在時間域中分布的反映,系數模值愈大,表明其所對應時段或尺度的周期性就愈強。從圖 4可以看出,在降水量演化過程中,40~64時間尺度模值最大(大于400),但1924~1994年之間模值小余200,說明在此時段內40~64年時間尺度的周期變化并不明顯,1995年之后模值再次增大,此時期后40~64年時間尺度的周期變化趨于顯著。

小波系數的模方相當于小波能量譜,它可以分析出不同周期的震蕩能量。由圖 5可知,40~64年時間尺度的能量最強、周期最顯著,但它的周期變化具有局部性(1924年之前和1994年之后);10~15年時間尺度能量雖然較弱,但周期分布比較明顯,幾乎占據整個研究時域(1894~2010年)。

4

5

7.繪制小波方差圖

小波方差的計算過程參考:小波方差制作步驟(參考文獻存在一個錯誤,小波方差未除N,本貼小波方差計算已有修正)。

小波方差圖能反映降水量時間序列的波動能量隨尺度(a)的分布情況?捎脕泶_定降水量演化過程中存在的主周期。

6

小波方差圖中(圖 6)存在4個較為明顯的峰值,它們依次從小至大對應著8a、19a、30a55a的時間尺度。其中,最大峰值對應著55a的時間尺度,說明55a左右(時間尺度)的周期震蕩最強,為年降水量變化的第一主周期(注意:不是55a是第一主周期);30a時間尺度對應著第二峰值,為第二主周期;第三、第四峰值分別對應著19a8a的時間尺度,它們依次為降水量的第三和第四主周期。這說明上述4個周期的波動控制著降水量在整個時間域內的變化特征。

8.主周期趨勢圖的繪制及其在多時間尺度分析中的作用

根據小波方差檢驗的結果,繪制演變的第一和第二主周期小波系數圖。

從主周期趨勢圖中可以分析出在不同的時間尺度下,降水量存在的平均周期及豐-枯變化特征。圖 7顯示,在55a特征時間尺度上,降水量變化的平均周期為35a左右,大約經歷了3個豐—枯轉換期;而在30a特征時間尺度上(圖 8),平均變化周期為20a左右,大約6個周期的豐—枯變化。

7

8

See Also

[1] 小波分析—時間序列的多時間尺度分析(2.



參考文獻

[1]劉洪敏. 19572009年遼寧省氣候變化趨勢分析[D].西北師范大學,2011.

WavletAnalysis.rar,Updated by LI Xu on 23 March 2015

本地的附件已經失效,我在Blogger重新上載了這兩篇小波分析的介紹,他們的附件是有效的。今后,請在新地址提問,帖子還會繼續完善!

Matlab:小波分析—時間序列的多時間尺度分析(一)

Matlab:小波分析—時間序列的多時間尺度分析(二)






http://www.ueservicedoffices.com/blog-1148346-794768.html

上一篇:MATLAB:氣象數據的插補
下一篇:兩種線性相關系數的比較

9 陳奐生 孫根年 徐艷芳 陳超 李蒙蒙 蔣德明 葉鳳艷 李澤宇 noisymute

該博文允許注冊用戶評論 請點擊登錄 評論 (45 個評論)

數據加載中...
掃一掃,分享此博文

全部作者的精選博文

全部作者的其他最新博文

Archiver|手機版|科學網 ( 京ICP備14006957 )

GMT+8, 2019-5-26 00:58

Powered by ScienceNet.cn

Copyright © 2007- 中國科學報社

返回頂部
时时彩平台