一种序列突变过程检测方法

—— CN201811084483.2

摘要

本发明公开了一种序列突变过程检测方法,该方案通过拟合和参数分析实现突变持续过程的动态再现,将突变视为一次由开始、发展、结束的过程性事件,从而利用参数方程拟合提取出整个突变过程,这区别于以往的突变检测技术,本发明还提出利用表征序列突变过程的参数动态的表示序列突变的演变过程,检测到关于突变的信息要显著多于传统的突变检测技术,也更好的反应和代表突变一种序列突变过程检测方法,将突变演变过程具体的区分为“突变前的稳定状态”、“演变过程”、“突变后的结束状态”三个部分,通过参数详细的刻画这三个部分,从而检测得到序列的突变过程,并通过一系列的图直观的展示突变过程。

权利要求书

1.一种序列突变过程检测方法,其特征在于,包括以下步骤:
1)利用数学模型对含有突变过程的时间序列进行提取;
2)利用下列方程表征的曲线去拟合实际的时间序列,提取出突变的持续过程:
x&=κ(x-μ)(ν-x);
3)将得到的一系列参数组进行作图统计分析,进而确定突变的持续过程。

2.根据权利要求1所述的一种序列突变过程检测方法,其特征在于:所述步骤1)中完整的突变过程包括过渡之前的“突变前的稳定状态”,以及过渡过程,即“演变过程”,和“突变后的结束状态”。

3.根据权利要求1所述的一种序列突变过程检测方法,其特征在于:所述步骤2)中参数ν,μ分别表示序列中的统计量。

4.根据权利要求1所述的一种序列突变过程检测方法,其特征在于:所述步骤2)中参数κ表示系统的稳定性。

5.根据权利要求1所述的一种序列突变过程检测方法,其特征在于:所述步骤2)中经推导发现参数κ与表征突变快慢的特征量h呈正相关h=κ(μ-ν)2C,C是常数。

6.根据权利要求1所述的一种序列突变过程检测方法,其特征在于:所述1)和2)中的实际处理过程中,将序列分割成若干等份,对每一个等份进行拟合操作。


说明书

技术领域

本发明涉及序列突变检测技术领域,具体为一种序列突变过程检测方法。

背景技术

现实生活中很多事物的发展往往不是循序渐进的,存在一定的突变,如气候增暖、疾病发生、股票剧跌、人口爆发等等都存在突然变化的情况,尽管已有研究已经对这种突变展开研究,但是对于突变的“演变过程”仍然缺乏一定的检测技术。本发明针对这种情况提出一种时间序列突变过程的检测技术,通过数理方法放大时间序列的突变过程细节,将突变演变过程具体的区分为“突变前的稳定状态”、“演变过程”、“突变后的结束状态”三个部分,并通过参数详细刻画突变过程,实现序列突变过程的检测。

检测突变主要依托检测序列在不同时段的统计特征量,依据统计量在时间上的差异性来判别序列的突变情况,已有的检测技术包括传统的特征量统计(均值、方差等),利用系统复杂程度、概率密度等表征序列特点的统计量发明的检测方法。

其中传统的突变检测方法有滑动T检验(MTT)、克拉默法(Cramer’s)、山本(Yamamoto et al,1985)、Mann-Kendall(MK)(Goossens et al,1986)等方法,以及随后提出来的Fisher 突变检测(Cabezas and Fath,2002;Fath et al,2003)等。这类突变检测方法主要根据序列不同时段统计量存在一定的差异,依据给定的阈值识别突变点的位置。随后,也发展了一批非线性突变检测方法,包括基于启发式分割(BG)算法(封国林等,2005;龚志强等,2006)、滑动移除近似熵(MC-ApEn)(何文平等,2010,2012;金红梅等,2012a,2012b),重标极差 (何文平等,2010),滑动移除重标极差(MC-R/S)(何文平等,2012)、复杂度(侯威等,2005),以及基于偏度峰度等新型的突变检测方法。此类检测方法借助于新的统计手段,检测不同时段的统计量差异,从而给出突变点位置。以上这些已有的检测方法都基于突变是一个“点”的假定,认为突变的发生不经过一定的时间过渡,直接由统计量1到统计量2的跃变。已有的突变检测技术主要基于时间序列在不同时段的统计差异性,一旦检测到某个时刻存在统计量的差异,即认为该时刻存在突变,但是实际情况中,一个系统(如气候系统、经济体量等) 在发生由一种状态经历到另一种状态的过渡期间,总要经历一定的持续时间。这意味着传统的突变检测方法存在明显的弊端,即不能够检测得到突变过程,而突变过程包括开始、发展、结束,恰恰是反应突变机制的基础,这就需要一种新的检测技术去进行检测。

发明内容

本发明的目的在于提供一种序列突变过程检测方法,以解决上述背景技术中提出的问题。

为了解决上述技术问题,本发明提供如下技术方案:一种序列突变过程检测方法,包括以下步骤:

1)利用数学模型对含有突变过程的时间序列进行提取;

2)利用下列方程表征的曲线去拟合实际的时间序列,提取出突变的持续过程:

3)将得到的一系列参数组进行作图统计分析,进而确定突变的持续过程。

根据上述技术方案,所述步骤1)中完整的突变过程包括过渡之前的“突变前的稳定状态”,以及过渡过程,即“演变过程”,和“突变后的结束状态”。

根据上述技术方案,所述步骤2)中参数ν,μ分别表示序列中的统计量。

根据上述技术方案,所述步骤2)中参数κ表示系统的稳定性。

根据上述技术方案,所述步骤2)中经推导发现参数κ与表征突变快慢的特征量h呈正相关h=κ(μ-ν)2C,C是常数。

根据上述技术方案,所述1)和2)中的实际处理过程中,将序列分割成若干等份,对每一个等份进行拟合操作。

与现有技术相比,本发明所达到的有益效果是:该发明,提供了一种检测时间序列突变演化过程的技术方案,该方案通过拟合和参数分析实现突变持续过程的动态再现,将突变视为一次由开始、发展、结束的过程性事件,从而利用参数方程拟合提取出整个突变过程,这区别于以往的突变检测技术,本发明还提出利用表征序列突变过程的参数动态的表示序列突变的演变过程,检测到关于突变的信息要显著多于传统的突变检测技术,也更好的反应和代表突变一种序列突变过程检测方法。

附图说明

附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:

图1是传统突变检测示意图;

图2是序列突变检测技术示意图;

图3是突变检测结果分析示意图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

请参阅图1-3,本发明提供一种技术方案:一种序列突变过程检测方法,包括以下步骤:

1)利用数学模型对含有突变过程的时间序列进行提取;

2)利用下列方程表征的曲线去拟合实际的时间序列,提取出突变的持续过程:

3)将得到的一系列参数组进行作图统计分析,进而确定突变的持续过程。

根据上述技术方案,步骤1)中完整的突变过程包括过渡之前的“突变前的稳定状态”,以及过渡过程,即“演变过程”,和“突变后的结束状态”。

根据上述技术方案,步骤2)中参数ν,μ分别表示序列中的统计量,

根据上述技术方案,步骤2)中参数κ表示系统的稳定性。

根据上述技术方案,步骤2)中经推导发现参数κ与表征突变快慢的特征量h呈正相关 h=κ(μ-ν)2C,C是常数。

根据上述技术方案,1)和2)中的实际处理过程中,将序列分割成若干等份,对每一个等份进行拟合操作。

基于上述,本发明的优点在于,本发明,利用数学模型对含有突变过程的时间序列进行提取,示意图如图2上半部分所示,黑色曲线是构造的理想序列,代表实际情况,统计量在经过一段时间之后由1演变为2,这之间的过渡称之为突变过程,则完整的突变过程包括过渡之前的“突变前的稳定状态”,以及过渡过程,即“演变过程”,和“突变后的结束状态”。红色断续线可用参数方程进行定量描述,方程如下:其中参数ν,μ分别表示序列中的统计量1和2,参数κ表示系统的稳定性,经推导发现与表征突变快慢的特征量h呈正相关h=κ(μ-ν)2C,C是常数,用此方程表征的曲线去拟合实际的时间序列,则可以提取出来突变的持续过程。实际处理过程中,将序列分割成若干等份(如图2下半部分),对每一个等份进行拟合操作,将得到的一系列参数组进行统计分析,进而确定突变的持续过程;图3是对理想时间序列进行检测结果,设定的含有突变过程的理想序列在150时刻由统计量等于2开始增加,在350时刻过渡到新的状态,此时统计量为4。图3a和图3b分别统计了检测到的突变开始状态和结束状态发生的频次,可以发现在其中的两个状态(统计量分别为 2和4)上面停留的频次较大,分别对应于序列的两个稳定状态。图3b是检测到的突变开始时刻,横坐标是检测时刻,可以发现在某一个时段内均能够检测到开始于150时刻的突变,这意味着该检测技术能够检测到序列突变。图3d是整个突变过程的动态示意,其中数线代表序列由一个均值状态转变为一个增加的状态;平行于对角线的斜线表示序列在过渡过程中持续增加;水平横线表示序列逐渐增加至一个新的状态;本发明着重考察的是序列在发生突变过程中的细节,将突变演变过程具体的区分为“突变前的稳定状态”、“演变过程”、“突变后的结束状态”三个部分,通过参数详细的刻画这三个部分,从而检测得到序列的突变过程。

需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

"},"instr":"

技术领域

本发明涉及序列突变检测技术领域,具体为一种序列突变过程检测方法。

背景技术

现实生活中很多事物的发展往往不是循序渐进的,存在一定的突变,如气候增暖、疾病发生、股票剧跌、人口爆发等等都存在突然变化的情况,尽管已有研究已经对这种突变展开研究,但是对于突变的“演变过程”仍然缺乏一定的检测技术。本发明针对这种情况提出一种时间序列突变过程的检测技术,通过数理方法放大时间序列的突变过程细节,将突变演变过程具体的区分为“突变前的稳定状态”、“演变过程”、“突变后的结束状态”三个部分,并通过参数详细刻画突变过程,实现序列突变过程的检测。

检测突变主要依托检测序列在不同时段的统计特征量,依据统计量在时间上的差异性来判别序列的突变情况,已有的检测技术包括传统的特征量统计(均值、方差等),利用系统复杂程度、概率密度等表征序列特点的统计量发明的检测方法。

其中传统的突变检测方法有滑动T检验(MTT)、克拉默法(Cramer’s)、山本(Yamamoto et al,1985)、Mann-Kendall(MK)(Goossens et al,1986)等方法,以及随后提出来的Fisher 突变检测(Cabezas and Fath,2002;Fath et al,2003)等。这类突变检测方法主要根据序列不同时段统计量存在一定的差异,依据给定的阈值识别突变点的位置。随后,也发展了一批非线性突变检测方法,包括基于启发式分割(BG)算法(封国林等,2005;龚志强等,2006)、滑动移除近似熵(MC-ApEn)(何文平等,2010,2012;金红梅等,2012a,2012b),重标极差 (何文平等,2010),滑动移除重标极差(MC-R/S)(何文平等,2012)、复杂度(侯威等,2005),以及基于偏度峰度等新型的突变检测方法。此类检测方法借助于新的统计手段,检测不同时段的统计量差异,从而给出突变点位置。以上这些已有的检测方法都基于突变是一个“点”的假定,认为突变的发生不经过一定的时间过渡,直接由统计量1到统计量2的跃变。已有的突变检测技术主要基于时间序列在不同时段的统计差异性,一旦检测到某个时刻存在统计量的差异,即认为该时刻存在突变,但是实际情况中,一个系统(如气候系统、经济体量等) 在发生由一种状态经历到另一种状态的过渡期间,总要经历一定的持续时间。这意味着传统的突变检测方法存在明显的弊端,即不能够检测得到突变过程,而突变过程包括开始、发展、结束,恰恰是反应突变机制的基础,这就需要一种新的检测技术去进行检测。

发明内容

本发明的目的在于提供一种序列突变过程检测方法,以解决上述背景技术中提出的问题。

为了解决上述技术问题,本发明提供如下技术方案:一种序列突变过程检测方法,包括以下步骤:

1)利用数学模型对含有突变过程的时间序列进行提取;

2)利用下列方程表征的曲线去拟合实际的时间序列,提取出突变的持续过程:

3)将得到的一系列参数组进行作图统计分析,进而确定突变的持续过程。

根据上述技术方案,所述步骤1)中完整的突变过程包括过渡之前的“突变前的稳定状态”,以及过渡过程,即“演变过程”,和“突变后的结束状态”。

根据上述技术方案,所述步骤2)中参数ν,μ分别表示序列中的统计量。

根据上述技术方案,所述步骤2)中参数κ表示系统的稳定性。

根据上述技术方案,所述步骤2)中经推导发现参数κ与表征突变快慢的特征量h呈正相关h=κ(μ-ν)2C,C是常数。

根据上述技术方案,所述1)和2)中的实际处理过程中,将序列分割成若干等份,对每一个等份进行拟合操作。

与现有技术相比,本发明所达到的有益效果是:该发明,提供了一种检测时间序列突变演化过程的技术方案,该方案通过拟合和参数分析实现突变持续过程的动态再现,将突变视为一次由开始、发展、结束的过程性事件,从而利用参数方程拟合提取出整个突变过程,这区别于以往的突变检测技术,本发明还提出利用表征序列突变过程的参数动态的表示序列突变的演变过程,检测到关于突变的信息要显著多于传统的突变检测技术,也更好的反应和代表突变一种序列突变过程检测方法。

附图说明

附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:

图1是传统突变检测示意图;

图2是序列突变检测技术示意图;

图3是突变检测结果分析示意图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

请参阅图1-3,本发明提供一种技术方案:一种序列突变过程检测方法,包括以下步骤:

1)利用数学模型对含有突变过程的时间序列进行提取;

2)利用下列方程表征的曲线去拟合实际的时间序列,提取出突变的持续过程:

3)将得到的一系列参数组进行作图统计分析,进而确定突变的持续过程。

根据上述技术方案,步骤1)中完整的突变过程包括过渡之前的“突变前的稳定状态”,以及过渡过程,即“演变过程”,和“突变后的结束状态”。

根据上述技术方案,步骤2)中参数ν,μ分别表示序列中的统计量,

根据上述技术方案,步骤2)中参数κ表示系统的稳定性。

根据上述技术方案,步骤2)中经推导发现参数κ与表征突变快慢的特征量h呈正相关 h=κ(μ-ν)2C,C是常数。

根据上述技术方案,1)和2)中的实际处理过程中,将序列分割成若干等份,对每一个等份进行拟合操作。

基于上述,本发明的优点在于,本发明,利用数学模型对含有突变过程的时间序列进行提取,示意图如图2上半部分所示,黑色曲线是构造的理想序列,代表实际情况,统计量在经过一段时间之后由1演变为2,这之间的过渡称之为突变过程,则完整的突变过程包括过渡之前的“突变前的稳定状态”,以及过渡过程,即“演变过程”,和“突变后的结束状态”。红色断续线可用参数方程进行定量描述,方程如下:其中参数ν,μ分别表示序列中的统计量1和2,参数κ表示系统的稳定性,经推导发现与表征突变快慢的特征量h呈正相关h=κ(μ-ν)2C,C是常数,用此方程表征的曲线去拟合实际的时间序列,则可以提取出来突变的持续过程。实际处理过程中,将序列分割成若干等份(如图2下半部分),对每一个等份进行拟合操作,将得到的一系列参数组进行统计分析,进而确定突变的持续过程;图3是对理想时间序列进行检测结果,设定的含有突变过程的理想序列在150时刻由统计量等于2开始增加,在350时刻过渡到新的状态,此时统计量为4。图3a和图3b分别统计了检测到的突变开始状态和结束状态发生的频次,可以发现在其中的两个状态(统计量分别为 2和4)上面停留的频次较大,分别对应于序列的两个稳定状态。图3b是检测到的突变开始时刻,横坐标是检测时刻,可以发现在某一个时段内均能够检测到开始于150时刻的突变,这意味着该检测技术能够检测到序列突变。图3d是整个突变过程的动态示意,其中数线代表序列由一个均值状态转变为一个增加的状态;平行于对角线的斜线表示序列在过渡过程中持续增加;水平横线表示序列逐渐增加至一个新的状态;本发明着重考察的是序列在发生突变过程中的细节,将突变演变过程具体的区分为“突变前的稳定状态”、“演变过程”、“突变后的结束状态”三个部分,通过参数详细的刻画这三个部分,从而检测得到序列的突变过程。

需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

  • 标题:一种序列突变过程检测方法
  • 申请人:颜鹏程, 封国林, 张铁军, 侯威, 金红梅, 吴浩
  • 发明人:颜鹏程, 封国林, 张铁军, 侯威, 金红梅, 吴浩
  • 申请号:CN201811084483.2
  • 申请日:2018-09-18
  • 公开号:CN110931083A
  • 公开日:2020-03-27
  • 优先权号:
  • 代理人:黄锦阳
  • 代理机构:11738北京智行阳光知识产权代理事务所(普通合伙)
  • 申请人地址:江苏省盐城市响水县运河镇三套村新建组56号
  • 是否有效:审中
  • 标签:序列,检测,过程,方法