| 单词 | 时间序列分析的工程应用 |
| 释义 | 【时间序列分析的工程应用】 拼译：time series analysis in engineering appliications 一组排列有序的观测数据即称为一时间序列，通常是指以时间先后为序的随机数据序列。广义地看，也可以是依其他物理量为序，如距离的远近、温度的高低、压力的大小等。时间序列实例广泛见诸于自然界、工程界以及社会科学界各个领域，如天文学中的逐年太阳黑子数序列，水文学中某河流的流量序列，自然界中某种生物总数的消长序列，医学中的脑电波序列，机械系统的振动信号序列，某商品的销售额序列以及股市价格序列等。时间序列中一般都包含有该序列由之产生的相应系统(物理的或抽象的)的丰富信息。用统计学方法对时间序列进行研究分析的学科称时间序列分析。它可以找出时间序列的统计规律性、构造拟定出序列的最佳数学模型、浓缩时间序列信息、简化时间序列的表示，并进而推断出相应系统的行为特性和固有特性(即系统的结构与参数)，对系统进行辨识、预报乃至优化控制或优化设计。 时间序列分析是数理统计的一个分支，它起源于预测。1927年耶尔(G．U．Yule)提出了时序的自回归模型(Autoregressive简写为AR)，是时序分析从非参数模型发展到参数模型的一个重要突破。沃克尔(G．Walker)在1931年也用AR模型进行了预测，以后逐步发展了ARMA模型(自回归滑动平均模型)、多维ARMA模型、非平稳时序模型以及非线性等模型。时序的非参数模型和参数模型的根本区别在于前者通过直接对动态数据序列求矩(均值、方差等)和使用相关分析等处理手段以获取序列的统计特性；后者则是为动态数据序列建立参数模型(AR，ARMA等)，并通过此参数模型来获得动态数据的统计特性的。现今说到时序分析大多是指参数模型方法。1967年伯格(J．P．Burg)提出了极大熵谱概念，极大熵谱是一种自回旧模型谱，它有别于对数据加窗处理，从而不可避免产生功率泄漏的传统富氐谱，这是时序分析由传统富氐谱发展到现代时序谱的另一个突破。1969年赤池弘治(Akaike)首先提出识别模型阶次的准则函数法。他相继提出的最小最终预测误差准则(Final prediction Erro，简称FPE)、最小信息准则(An Information criterion、简为AIC)和BIC准则，在时序分析建模中得到广泛的应用。1970年鲍克斯(G．E．P．Box)和詹金斯(G．M．Jenkins)出版了专著《时间序列分析、预报与控制》，对时序分析及应用的发展起了重要推动作用。从工程应用角度看，吴贤铭(S．M．Wu)和潘迪特(S．M．Pandit)的研究工作是应受到重视的，1974年他们发表的论文中提出了一种较适合于工程实用的时间序列分析方法，简称DDS方法。该方法应用系统分析观点，将存在有相关特性的动态数据序列(即时间序列)看作是动态系统受到独立随机序列(即白噪声)的激励时的输出，建模过程就是将输出的相关序列转化为输入的独立的不相关随机序列的过程。他们做了一系列的工程应用研究，主要集中在机械制造工程，如制造系统建模、系统辨识、磨削磨损、机床动态、加工表面质量、在线监控等。此外还涉及钢铁冶炼、流体、热传导、核工程、生物医药、化工乃至商品经济等领域。1978年汤家豪(H．Tong)首先提出门限回归模型，把非线性模型按照某一变元的不同取值范围、采用若干个线性模型来描述，并采用门限控制保证模型的稳定性，这类模型可对相当广泛的非线性甚至是突变现象作描述。1978年吴贤铭将DDS法传入中国，对中国的时序分析工程应用起了重要推动作用，1983年安鸿志、陈兆国等人的《时间序列的分析与应用》是中国学者第一本正式出版的时序专著。时序分析应用近期研究大致在下述两方面展开。(1)扩展应用领域。实际是时序分析技术向各个领域渗透的问题。在各特定领域发现发掘适宜于时序分析特点的问题，然后建立模型解决问题。其渗透速度和渗透范围近10年来增长很快。目前它已涉及天文、地理、生物、物理、化学等自然科学领域和图象识别、语音通讯、遥感技术、核工程、环境、医学、海洋、冶金、机械等工程技术领域以及经济、人口、管理等社会科学领域。就解决问题的特征大致可分为系统辨识、系统分析、谱分析、模式识别、预测控制等5个方面。(2)时序理论与建模技术的发展与改进研究。随着应用范围的不断扩大，各种不同类型的问题要求与之相适应的时序模型类型。由一维时序模型发展到多维模型，由适于平稳序列的模型发展到非平稳序列的趋势性模型和组合模型，由ARARMA等线性模型发展一些特定型式的非线性模型、如门限回归模型、双线性模型、指数回归模型以及自适应AR模型等。不同类型的问题也要求有不同的建模速度和模型参数精度。旨在提高建模速度和参数估计精度、特别是非线性回归的参数精估计的精度和速度的各种建模策略和算法研究一直受到重视。与此密切相关的还有模型的定阶和适用性检验准则研究。这些问题至今都还未获得一致公认的完满解决，它们应是时序研究的难点所在。广义地看时序分析也是一种信息科学，今后的研究除上述的难点问题会是当然的热点之外，发展同信息学科内各分支以及其他学科间的交叉、渗透和借鉴将会受到重视。如同控制理论、灰色系统理论、人工智能、人工神经网络、故障诊断、误差控制以及预测理论等的融汇交叉。就时序本身而言，也应发展参数模型方法和非参数模型间的交叉、现代谱分析和传统谱分析的交叉、以取长补短、相得益彰。【参考文献】：1 Otnes R K，Enochson L．Digital Time Series Analysis，John Wiley and Sons，19722 Box G E P，Jenkins G M．Time Series Analysis Foreeasting and Control，Rev Ed Holden-Day，19763 Pandit S M．Time Series and System Analysis with Applications，John wiley and Sons，19834 杨位钦，顾岚．时间序列分析与动态数据建模．北京：北京工业学院出版社，19865 杨叔子，吴雅，等．时间序列分析的工程应用．武汉：华中理工大学出版社，1991(合肥工业大学高济众教授撰) |
| 随便看 |
科学参考收录了7804条科技类词条，基本涵盖了常见科技类参考文献及英语词汇的翻译，是科学学习和研究的有利工具。