1.一种基于时间尺度局部Hurst指数的时空标度分析方法,其特征在于,包括以下步骤:
1)选择研究对象,获取目标数据,建立相应的时间序列;
2)检验时间序列中的目标时间序列是否含周期成分、是否呈随机行走形态;
若是,则去除目标时间序列的周期成分,生成对应的波动增量时间序列;
若否,即目标时间序列不含周期成分、且呈噪音形态,则该目标时间序列为波动增量时间序列,直接执行下一步;
3)计算波动增量时间序列的局部Hurst指数,构成Ht序列;
4)对不同空间环境背景的Ht序列进行频数统计,计算基于不同空间下的概率密度分布;
5)进行空间上的标度行为分析;
5-1)对基于不同空间下的概率密度分布进行高斯拟合,确定原分布和拟合分布的空间尺度下的统计特征值;
5-2)通过空间尺度下的统计特征值,考察并量化标度行为随空间因素的变化;
6)进行时间上的标度行为分析;
6-1)按照特征时间对Ht序列进行区间划分,确定每个时间区间段的Ht序列的基于不同时间下的概率密度分布,并确定时间尺度下的统计特征值;
6-2)通过时间尺度下的统计特征值,考察并量化标度行为随时间因素的变化。
2.根据权利要求1所述的基于时间尺度局部Hurst指数的时空标度分析方法,其特征在于:所述步骤1)中的时间序列,是将待考察的现象或已测得的数据整理为连续的时间序列u,u=u1,u2,…,ui,…,uN,i∈[1,N];其中,N为自然数。
3.根据权利要求2所述的基于时间尺度局部Hurst指数的时空标度分析方法,其特征在于:所述步骤2)中的去除目标时间序列的周期成分,生成对应的波动增量时间序列,具体为,
令ui为时间序列u中的目标时间序列,vi为去除ui的周期成分后的时间序列,则其中,<>为均值运算;
令xi为vi的波动增量时间序列,则xi=vi+1-vi。
4.根据权利要求3所述的基于时间尺度局部Hurst指数的时空标度分析方法,其特征在于:所述步骤3)中的计算波动增量时间序列的局部Hurst指数,具体为,
3-1)将波动增量时间序列xi转变为随机行走结构序列Y(k),
其中,<x>为波动增量时间序列均值;
3-2)确定计算局部Hurst指数的区间长度s,保证s尺度大小的区间内囊括我们要分析的特征波动,使得计算的局部Hurst指数具有表征意义,同时保证为后面的局部Hurst指数的统计分析提供足够的支持;
对Y(k)序列进行等距重叠划分,要求根据确定的区间长度s,保证重叠区间的区间中值是连续的;
3-3)每个区间内,用p阶多项式进行局部拟合,v=1,…,Nv,Nv=N-s,p取1或大于1的阶数;
3-4)得出s尺度下每个区间的局部波动均方根RMS,
其中,为第v局部区间的p阶多项式拟合,p取1或大于1的阶数;
3-5)以q取0时、对数坐标下定义的直线Fq(s)~sH(0)定义一条回归线,斜率H(0)等于0阶Hurst指数;
根据确定的区间尺度s值,确定回归线上相应的波动函数值F0(s);
在区间尺度为s值情况下,残差波动均方根resRMS(v)为,
resRMS(v)=logF0(s)-log(RMS(v))
即为波动函数值F0(s)与局部波动均方根RMS{s}(v)在对数坐标下的差;
局部Hurst指数Ht由下式求得,
其中,maxL为随机行走结构序列Y(k)的长度。
5.根据权利要求4所述的基于时间尺度局部Hurst指数的时空标度分析方法,其特征在于:所述步骤3-5)中的0阶Hurst指数H(0),Fq(s)~sH(0),具体为,
3-5-1)确定区间尺度s,保证s的大小不超过总序列长度的十分之一;
3-5-2)将波动增量时间序列xi转变为随机行走结构序列Y(k),
根据确定的区间尺度s对随机行走结构序列Y(k)进行等距非重叠划分;
3-5-3)对每个区间进行去除趋势计算,计算随机行走结构序列Y(k)每个区间内相对局部趋势偏差的均方根
其中,为第v局部区间的p阶多项式拟合,p取1或大于1的阶数;
3-5-4)改变区间尺度s的大小,重复步骤3-5-1)至步骤3-5-3),由求得0阶Hurst指数H(0),
其中,Ns=N/s。
6.根据权利要求1所述的基于时间尺度局部Hurst指数的时空标度分析方法,其特征在于:所述步骤5)中的高斯拟合,是用高斯分布拟合Ht序列的分布;
其高斯分布公式为其中,σ为标准差,h为拟合变量,H0为均值。
7.根据权利要求1所述的基于时间尺度局部Hurst指数的时空标度分析方法,其特征在于:所述步骤6)中的确定时间尺度下的统计特征值,具体是通过主导Hurst指数以概率密度分布的最大值对应的Hurst指数确定的。