摘要
基于复杂网络的时间序列分析是目前的热点研究方向之一,但实际数据中往往存在噪声,限制了复杂网络对时间序列波动模式的有效描述。针对这一问题,本文提出了一种改进的预处理算法,该算法将映射与密度峰值聚类相结合,基于波动模式的相似性对时间序列分别进行处理,在去除数据中冗杂波动的同时,保留了绝大部分关键点。对预处理后的时间序列,以波动模式为节点,不同模式之间的转换为连边,构建有向加权复杂网络。应用上述方法对Lorenz系统仿真数据和水下自主航行器(AUV)实际航行数据进行实验,并分析复杂网络中的动力学统计量。研究结果表明,基于本文预处理算法构建出的复杂网络能够有效克服噪声带来的不利影响,更加准确地描述复杂非线性系统的状态。
- 单位