[论文解读] Multiresolution analysis of fluctuations in non-stationary time series

P. Manimaran, Prasanta K. Panigrahi+1 more|arXiv (Cornell University)|Jan 30, 2006

Complex Systems and Time Series Analysis被引用 2

一句话总结

该论文提出了一种基于多分辨率小波的去趋势方法，用于分析非平稳时间序列中的波动，使用单个Daubechies小波代替多项式拟合。与MF-DFA相比，该方法在小样本数据集中表现出更高的准确性，尤其在捕捉合成数据和实验数据（包括等离子体和Ising模型系统）中的多尺度波动方面表现优异。

ABSTRACT

We illustrate the efficacy of a discrete wavelet based approach to characterize fluctuations in non-stationary time series. The present approach complements the multi-fractal detrended fluctuation analysis (MF-DFA) method and is quite accurate for small size data sets. As compared to polynomial fits in the MF-DFA, a single Daubechies wavelet is used here for de-trending purposes. The natural, built-in variable window size in wavelet transforms makes this procedure well suited for non-stationary data. We illustrate the working of this method through the analysis of binomial multi-fractal model. For this model, our results compare well with those calculated analytically and obtained numerically through MF-DFA. To show the efficacy of this approach for finite data sets, we also do the above comparison for Gaussian white noise time series of different size. In addition, we analyze time series of three experimental data sets of tokamak plasma and also spin density fluctuations in 2D Ising model.

研究动机与目标

• 开发一种适用于数据量有限的非平稳时间序列的更精确的去趋势方法。
• 通过使用基于小波的去趋势方法，克服MF-DFA中多项式拟合的局限性。
• 在具有已知解析解的合成模型上评估该方法的性能。
• 在托卡马克等离子体实验数据和二维Ising模型自旋密度波动的实测数据上验证该方法。
• 展示小波在处理非平稳数据中固有的可变窗口尺寸方面的有效性。

提出的方法

• 在波动分析中使用单个Daubechies小波进行去趋势，而非多项式拟合。
• 通过离散小波变换实施多分辨率分析，以捕捉与尺度相关的波动。
• 采用基于小波的去趋势方法，自然适应非平稳数据中可变的窗口尺寸。
• 将结果与二项式多分形模型的解析解以及MF-DFA的数值结果进行比较。
• 分析不同长度的高斯白噪声时间序列，以测试小样本数据集下的鲁棒性。
• 在实验等离子体数据和二维Ising模型自旋密度波动数据上验证该方法。

实验结果

研究问题

• RQ1 在非平稳时间序列中，基于小波的去趋势方法与MF-DFA中的多项式拟合相比表现如何？
• RQ2 该基于小波的方法能否准确捕捉小样本数据集中的多尺度波动？
• RQ3 该方法在具有已知解析解的合成模型上的表现如何？
• RQ4 当应用于实验等离子体和Ising模型数据时，该方法的准确性和可靠性如何？
• RQ5 小波的可变窗口尺寸是否相比固定窗口方法能提升在非平稳数据上的性能？

主要发现

• 基于小波的去趋势方法在小样本数据集中实现了高精度，优于基于多项式的MF-DFA。
• 在二项式多分形模型上的结果与解析计算和MF-DFA的数值结果高度一致。
• 该方法在不同长度的高斯白噪声时间序列上均保持一致的性能，表现出良好的鲁棒性。
• 在实验托卡马克等离子体数据中，该方法成功捕捉了与尺度相关的波动行为。
• 在二维Ising模型中，该方法准确刻画了自旋密度波动在多个尺度上的特征。
• 小波的天然可变窗口尺寸增强了其对时间序列中非平稳特征的适应能力。