运用多重分形消除趋势波动分析法(MF-DFA)与多重分形消除趋势波动交叉相关分析法(MF-DCCA)对全球港口拥塞指数的中国港口ETA(Estimated Time of Arrival)海岬型船与巴西港口ETA海岬型船港口拥塞指数进行研究。研究表明:中国港口ETA海岬...运用多重分形消除趋势波动分析法(MF-DFA)与多重分形消除趋势波动交叉相关分析法(MF-DCCA)对全球港口拥塞指数的中国港口ETA(Estimated Time of Arrival)海岬型船与巴西港口ETA海岬型船港口拥塞指数进行研究。研究表明:中国港口ETA海岬型船与巴西港口ETA海岬型船时间序列广义Hurst指数及MF-DCCA广义Hurst指数,均单调递减且值域在(0.5,1)之间,标度指数均表现凹向横轴的函数,分形谱密集钟形分布;两组时间序列均具有明显的多重分形特征,同时具有长期记忆性与多标度性,且二者多重分形交叉相关,表现长期相互影响。展开更多
为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctu...为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctuation Analysis of nonstationary time series,MF-DFA),分析航空安全员的视觉搜索特征。结果表明:航空安全员的注视持续时间和扫视幅度与其识别异常行为的能力存在显著的正相关关系;具有高识别能力的航空安全员的注视持续时间和扫视幅度奇异谱宽度均大于低识别能力的航空安全员的奇异谱宽度,具有较强的抗外界干扰能力。将MF-DFA算法引入航空安全员的视觉搜索特征分析,为航空安全员的培训和选拔等提供参考。展开更多
受测试环境影响,隧道爆破监测信号中普遍包含噪声和趋势项干扰。针对爆破信号干扰项消除难题,选取典型地铁隧道工程监测到的畸变爆破信号为分析对象,采用稀疏化基线估计与去噪(baseline estimation and denoising with sparsity,BEADS)...受测试环境影响,隧道爆破监测信号中普遍包含噪声和趋势项干扰。针对爆破信号干扰项消除难题,选取典型地铁隧道工程监测到的畸变爆破信号为分析对象,采用稀疏化基线估计与去噪(baseline estimation and denoising with sparsity,BEADS)算法实现了噪声和趋势项成分的提取,得到反映真实爆破信息的校正信号。利用多重分形去趋势波动分析(multi-fractal detrended fluctuation analyses,MF-DFA)捕捉到三个分量信号的混沌分形特征,并根据小波相关性凝聚谱对三个分量信号与原始信号的时频域相关性进行了精确表征。结果表明:隧道爆破信号高频噪声、低频趋势项和校正信号三者的混沌分形特征具有显著差异。校正信号吸引子轨迹形态为反复周期性有序波动且具有持续性和反持续性分形谱特征,其递归图具有周期模式;低频趋势项吸引子形态表现为近似直线且具有持续性分形谱特征,其递归图具有对角线分布突变模式;高频噪声吸引子形态为杂乱无章的随机波动且具有反持续性分形谱特征,其递归图具有漂移模式。在置信度为95%的小波影响锥范围内,校正信号、趋势项和噪声分量与原始信号分别具有持续正相关、局部负相关和无相关性特征。三类信号的有效分离和混沌分形特征提取为爆破信号成分的准确辨识和归类提供了客观表征和量化指标。展开更多
文摘运用多重分形消除趋势波动分析法(MF-DFA)与多重分形消除趋势波动交叉相关分析法(MF-DCCA)对全球港口拥塞指数的中国港口ETA(Estimated Time of Arrival)海岬型船与巴西港口ETA海岬型船港口拥塞指数进行研究。研究表明:中国港口ETA海岬型船与巴西港口ETA海岬型船时间序列广义Hurst指数及MF-DCCA广义Hurst指数,均单调递减且值域在(0.5,1)之间,标度指数均表现凹向横轴的函数,分形谱密集钟形分布;两组时间序列均具有明显的多重分形特征,同时具有长期记忆性与多标度性,且二者多重分形交叉相关,表现长期相互影响。
文摘为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctuation Analysis of nonstationary time series,MF-DFA),分析航空安全员的视觉搜索特征。结果表明:航空安全员的注视持续时间和扫视幅度与其识别异常行为的能力存在显著的正相关关系;具有高识别能力的航空安全员的注视持续时间和扫视幅度奇异谱宽度均大于低识别能力的航空安全员的奇异谱宽度,具有较强的抗外界干扰能力。将MF-DFA算法引入航空安全员的视觉搜索特征分析,为航空安全员的培训和选拔等提供参考。
文摘受测试环境影响,隧道爆破监测信号中普遍包含噪声和趋势项干扰。针对爆破信号干扰项消除难题,选取典型地铁隧道工程监测到的畸变爆破信号为分析对象,采用稀疏化基线估计与去噪(baseline estimation and denoising with sparsity,BEADS)算法实现了噪声和趋势项成分的提取,得到反映真实爆破信息的校正信号。利用多重分形去趋势波动分析(multi-fractal detrended fluctuation analyses,MF-DFA)捕捉到三个分量信号的混沌分形特征,并根据小波相关性凝聚谱对三个分量信号与原始信号的时频域相关性进行了精确表征。结果表明:隧道爆破信号高频噪声、低频趋势项和校正信号三者的混沌分形特征具有显著差异。校正信号吸引子轨迹形态为反复周期性有序波动且具有持续性和反持续性分形谱特征,其递归图具有周期模式;低频趋势项吸引子形态表现为近似直线且具有持续性分形谱特征,其递归图具有对角线分布突变模式;高频噪声吸引子形态为杂乱无章的随机波动且具有反持续性分形谱特征,其递归图具有漂移模式。在置信度为95%的小波影响锥范围内,校正信号、趋势项和噪声分量与原始信号分别具有持续正相关、局部负相关和无相关性特征。三类信号的有效分离和混沌分形特征提取为爆破信号成分的准确辨识和归类提供了客观表征和量化指标。
