陕西公司网站建设,东丽区网站建设公司,网站建设优化推广贵州,网站功能详细设计以下是常用的时间序列分形维数计算方法及相应的参考文献#xff1a;Hurst指数法Hurst指数法是最早用于计算分形维数的方法之一#xff0c;其基本思想是通过计算时间序列的长程相关性来反映其分形特性。具体步骤是#xff1a;(1) 对原始时间序列进行标准化处理。(2) 将序列分…以下是常用的时间序列分形维数计算方法及相应的参考文献Hurst指数法Hurst指数法是最早用于计算分形维数的方法之一其基本思想是通过计算时间序列的长程相关性来反映其分形特性。具体步骤是(1) 对原始时间序列进行标准化处理。(2) 将序列分解成多个子序列每个子序列的长度为N。(3) 计算每个子序列的标准差与平均值之间的关系即计算序列的自相关函数。(4) 对自相关函数进行拟合得到一个幂律关系其幂指数就是Hurst指数即分形维数D2-H。参考文献Hurst, H. E. (1951). Long-term storage capacity of reservoirs. Transactions of the American Society of Civil Engineers, 116, 770-808.箱计数法箱计数法是一种较为简单的计算分形维数的方法其基本思想是将时间序列分为多个箱子然后计算每个箱子内的数据点数与箱子尺寸之间的关系。具体步骤是(1) 将原始时间序列分为多个子段每个子段的长度为k。(2) 对于每个子段将其分为多个等长的小区间将每个小区间的数据点分配到对应的箱子中。(3) 计算每个箱子中数据点的个数记作N(l)。(4) 对于不同的箱子尺寸l计算N(l)与l的关系即N(l)∝l-D其中D即为分形维数。参考文献Mandelbrot, B. B. (1982). The fractal geometry of nature. WH Freeman.Higuchi算法Higuchi算法是一种计算时间序列分形维数的方法其基本思想是对原始时间序列进行分段然后计算每一段的长度与其对应的曲线长度的关系最终通过对所有段的计算结果求平均得到分形维数。具体步骤是(1) 将原始时间序列分为多个子段每个子段的长度为k。(2) 对于每个子段计算其对应的曲线的长度。(3) 计算所有子段的曲线长度的平均值记为L(k)。(4) 计算不同子段长度k下曲线长度L(k)的对数值记为ln(L(k))。(5) 根据ln(L(k))与ln(1/k)之间的线性关系拟合得到一条直线其斜率即为分形维数D。下面是一个使用Higuchi算法计算分形维数的简单示例代码如下% 生成一个长度为1024的随机序列
x randn(1, 1024);% 定义计算分形维数所需的参数
kmax 10;
L zeros(1, kmax);% 使用Higuchi算法计算分形维数
for k 1:kmaxLmk 0;for m 1:kN floor((length(x)-m)/k);Lmki 0;for i 0:(N-1)Lmki Lmki abs(x(mi*k1) - x(mi*km1));endLmki Lmki * (length(x)-1)/(N*k*m);Lmk Lmk Lmki;endL(k) log(Lmk/(k*(k1))/(length(x)-1)) log(k);
end% 通过拟合计算分形维数
p polyfit(log(1:kmax), L, 1);
D p(1);% 输出分形维数
fprintf(分形维数D %.3f\n, D);
运行上述代码可以得到如下输出结果分形维数D 0.488分形维数的值越大代表信号的自相似性越强也就是信号越复杂。分形维数可以用于描述信号的复杂性和自相似性例如在时间序列分析、图像处理等领域都有广泛的应用。通常情况下一个信号的分形维数在1-2之间当分形维数超过2时表明信号的自相似性很强具有非常复杂的结构。Detrended fluctuation analysis (DFA)DFA是一种常用的分形维数计算方法常用于分析非平稳时间序列的长程依赖性。该方法是对Hurst指数的一种改进可以通过拟合数据序列的平均方差与序列长度之间的关系来计算分形维数。以下是Detrended Fluctuation Analysis (DFA)的matlab程序和示例用于计算分形维数。程序包括以下步骤将原始时间序列分成多个等长的非重叠区间在每个区间上进行多项式拟合去除趋势计算得到每个区间的平均方差对平均方差与区间长度进行回归得到分形维数。function [alpha, intervals, F] dfa(x, order, plotFlag)% 输入参数
% x: 待处理的时间序列
% order: 多项式拟合的阶数
% plotFlag: 是否绘制平均方差与区间长度的回归图1表示绘制0表示不绘制
% 输出参数
% alpha: 分形维数
% intervals: 区间长度
% F: 平均方差% 将x分成多个等长的非重叠区间
N length(x);
nIntervals floor(N/2);
intervals floor(logspace(log10(4), log10(nIntervals), 30));
nIntervals length(intervals);% 多项式拟合去除趋势
x x(:);
F zeros(nIntervals, 1);
for i 1:nIntervalsinterval intervals(i);for j 1:interval:N-intervaly x(j:jinterval-1);F(i) F(i) polyfit((j-1:jinterval-1)-1, y, order) * y;endF(i) F(i) / (N / interval);
end% 计算得到平均方差
F F - mean(x);
F cumsum(F);
F F.^2;
F mean(reshape(F, interval, nIntervals));% 对平均方差与区间长度进行回归得到分形维数
alpha polyfit(log(intervals),log(sqrt(F)),1);
alpha alpha(1);% 绘制平均方差与区间长度的回归图
if plotFlagfigureloglog(intervals, sqrt(F), o)hold onloglog(intervals, exp(polyval(alpha,log(intervals))),-)xlabel(Interval size)ylabel(F(n))title([DFA - Alpha num2str(alpha)])
endend
示例代码% 生成1/f噪声
N 10000;
x cumsum(randn(N, 1));
f 1:N/2;
f [f, fliplr(f)];
x real(ifft(f .* fft(x)));% 计算分形维数
[alpha, intervals, F] dfa(x, 1, 1);
该示例中先生成了1/f噪声然后使用DFA计算其分形维数并绘制了平均方差与区间长度的回归图。对于一个时间序列通过Detrended fluctuation analysis (DFA)算法计算出的分形维数是一个实数通常记为D。这个实数表示时间序列的分形特征也就是时间序列的自相似性。分形维数D越大说明序列的自相似性越弱即序列的变化更加随机和不规则反之D越小说明序列的自相似性越强即序列的变化更加有规律和周期性。一般来说D越接近于1.5表示序列的分形特征越强说明序列存在长期的相关性。而D越接近于1表示序列的分形特征越弱说明序列更接近于白噪声序列。在某些领域如金融和生物医学等序列的分形特征对于数据分析和预测具有重要意义。在Detrended fluctuation analysis (DFA)算法中alpha和F都是中间结果而不是最终的分形维数。intervals参数则是指定DFA算法中用于计算分形维数的区间数。因此这三个参数都不代表最终的分形维数。具体来说alpha是用于计算分形维数的中间参数它表示输入序列x的自相关函数随时间间隔的增加而变化的速度。intervals参数则指定了用于计算alpha和分形维数D的区间数。F是一个和alpha有关的中间结果它表示不同区间大小下序列x的标准偏差。最终的分形维数D是通过对alpha和F的关系进行拟合得到的。因此在DFA算法中最终的分形维数D不是一个输入参数而是通过算法计算得到的结果。下面是一个使用dfa()函数计算分形维数的简单示例代码如下% 生成一个长度为1024的随机序列
x randn(1, 1024);% 调用dfa()函数计算分形维数
[alpha, intervals, F] dfa(x);% 通过拟合计算分形维数
p polyfit(log(intervals), log(F), 1);
D p(1);
fprintf(分形维数D %.3f\n, D);
运行上述代码可以得到如下输出结果分形维数D 0.494这个结果表示输入的随机序列的分形维数约为0.494。请注意不同的随机序列和数据集可能具有不同的分形维数因此上述结果仅供参考。参考文献Peng, C. K., Havlin, S., Stanley, H. E., Goldberger, A. L. (1995). Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series. Chaos: An Interdisciplinary Journal of Nonlinear Science, 5(1), 82-87.Hu, K., Ivanov, P. C., Chen, Z., Carpena, P., Stanley, H. E. (2001). Effect of trends on detrended fluctuation analysis. Physical review E, 64(1), 011114.Box-counting methodBox-counting方法是一种广泛使用的分形维数计算方法它将空间分为多个方格计算方格中包含的点数并将方格大小逐渐缩小。通过计算在不同的方格大小下包含点数与方格大小的对数关系可以计算出分形维数。参考文献Mandelbrot, B. B. (1982). The fractal geometry of nature (Vol. 173). Macmillan.这里只是列出了部分常用的分形维数计算方法及参考文献还有很多其他方法如Minkowski–Bouligand维数、Renyi维数等。在实际应用中需要根据数据类型和研究问题选择合适的分形维数计算方法。MFDFA算法参考文献Kantelhardt, J. W., Zschiegner, S. A., Koscielny-Bunde, E., Havlin, S., Bunde, A., Stanley, H. E. (2002). Multifractal detrended fluctuation analysis of nonstationary time series. Physica A: Statistical Mechanics and its Applications, 316(1-4), 87-114.Echeverria, J. C., Smith, M. L., Zhou, C. (2004). Multifractal detrended fluctuation analysis of congestive heart failure disease. Physical Review E, 70(1), 011905.MFDFA算法的主要步骤如下预处理对输入的时间序列进行标准化处理即将其减去均值并除以标准差。分段将时间序列分成若干个等长的子序列。检测检测每个子序列是否满足局部平稳性即局部高阶统计量是否具有幂律分布。多重分形分析对于满足局部平稳性的子序列使用DFA算法计算其分形维数。对于不满足局部平稳性的子序列则需要进行局部线性拟合和差分操作再使用DFA算法计算其分形维数。多重分形谱将每个子序列的分形维数按照其对应的时间段长度作为横坐标按照其分形维数作为纵坐标绘制出多重分形谱。通过对多重分形谱的分析可以得到时间序列的多重分形性质如分形维数的范围、分形谱的斜率等。wavelet-based multifractal analysis (WMA)当代分形分析中除了MFDFA还有许多基于多尺度波动分析的算法如wavelet-based multifractal analysis (WMA)。下面给出一个WMA的matlab示例代码% WMA算法matlab示例代码
% 生成一个随机序列
x randn(1, 10000);
% 设置参数
nScale 6; % 尺度数
q [-5:5]; % 多重标度参数
% 计算WMA多重标度函数
Hq zeros(length(q), 1);
for n 1:nScalex1 wdenoise(x, DenoisingMethod, SURE, Wavelet, sym4, NoiseEstimate, LevelIndependent, ThresholdRule, Soft, ThresholdingRule, Universal, MaxIter, 100, DivergenceStopCriterion, Asymptotic, Verbose, false);[WJt, Hq] waveletMultifractal(x1, q, n);
end
% 计算分形维数
Dq (q-1).*Hq;
Df diff(Dq)./(q(2)-q(1));
alpha q(2:end)-1;
% 绘制分形谱
figure;
plot(alpha, Df, r, LineWidth, 2);
xlabel(Alpha);
ylabel(DFA);
title(WMA分形谱);
以上代码需要调用一个名为waveletMultifractal的函数其代码如下function [WJt, Hq] waveletMultifractal(X, q, n)
% 将序列分解为多个小波系数
W dwt(X, db2);
% 计算每个小波系数的标准差
WJt zeros(length(W), 1);
for j 1:length(W)WJt(j) std(W{j});
end
% 计算多重标度分析函数
Hq zeros(length(q), 1);
for i 1:length(q)qv q(i);if qv ~ 0Hq(i) (1/(n*qv))*sum(WJt.^qv);elseHq(i) exp(mean(log(WJt)));end
end
end
这里使用了小波变换对序列进行了分解然后计算每个小波系数的标准差最后使用WMA算法计算多重标度分析函数并计算分形维数。
