期望分位数周期图:一种用于时间序列频谱分析和周期性检测的新方法

《Computational Statistics & Data Analysis》:Expectile Periodogram

【字体: 大 中 小 】 时间:2026年01月01日 来源:Computational Statistics & Data Analysis 1.6

编辑推荐:

  本文提出了一种名为期望分位数周期图(Expectile Periodogram, EP)的新型频谱估计方法,通过将普通周期图(PG)中的最小二乘法替换为期望分位数回归(ER),能够更全面地分析时间序列的频谱特征。研究表明,EP不仅保留了PG作为频域表示的关键性质,还能通过考察不同期望分位数水平下的数据分布,有效检测隐藏周期性,在仿真和地震波形分类任务中均表现出优越性能。

  
章节精选
普通周期图
令ων? 2πν/n(其中ν = 0,1,…,n-1)表示傅里叶频率,{yt: t=1,…,n}为实值时间序列。原始周期图(PG)定义为In(ων) ? n-1|zn(ων)|2? n-1|∑t=1nytexp(-iωνt)|2,其中i ? √-1,zn(ων)为{yt}的离散傅里叶变换(DFT)。该傅里叶表示亦可通过最小二乘(OLS)回归等价表达:令β?n(ων) ? [β?1(ων), β?2(ων), β?3(ων)]?为最小化问题β?n(ων) ? arg minβ∈R3∑t=1n|yt- xnt?β|2的解,其中xnt表示三角回归量。
大样本理论
平滑周期图作为随机过程功率谱的估计已被广泛认可。本节通过大样本渐近分析对期望分位数周期图(EP)进行平行研究。结果表明,EP与期望分位数频谱存在本质关联。设{yt}为具有累积分布函数F(·)和有限二阶矩的平稳过程。针对多频率情况(固定频率)...
数值结果
本节通过仿真展示EP在时间序列隐藏周期性检测中的有效性。
实际数据应用
本节首先在5.1节展示两个不同科学领域的案例,说明普通周期图(PG)未能充分捕捉时间序列的完整频谱特征;随后在5.2节将EP应用于地震事件分类任务。
结论
我们提出的期望分位数周期图(EP)作为普通周期图(PG)的对应方法,展现了其作为时间序列分析非参数工具的潜力。通过渐近理论建立了EP与期望分位数频谱的关联,并结合实际案例与仿真研究突显其在检测隐藏周期性方面的优势。在地震数据分类中,利用EP的二维特性结合深度学习模型取得了显著效果。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号