期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多尺度联合置换熵的海洋时间序列同步性研究
1
作者
赵玮奇
武雅洁
+1 位作者
邹华志
孙永鑫
《中国海洋大学学报（自然科学版）》
CAS
CSCD
北大核心
2022年第5期122-130,共9页
针对目前风生流的实测时间序列同步性研究的不足,本文采用多尺度联合置换熵,构建了DI指数、同步性指数I_(sync)和同步性指标α,对模拟时间序列和海洋实测时间序列进行了计算和分析。计算结果表明:同步性指数I_(sync)和同步性指标α能够...
针对目前风生流的实测时间序列同步性研究的不足,本文采用多尺度联合置换熵,构建了DI指数、同步性指数I_(sync)和同步性指标α,对模拟时间序列和海洋实测时间序列进行了计算和分析。计算结果表明:同步性指数I_(sync)和同步性指标α能够识别时滞同步性和周期同步性;对涨落潮分离以后的数据进行分析,发现所有测站在落潮期间风应力对表面流向的影响更大。本文研究成果对分析和研究特定区域天文潮的涨落对风生流的影响有一定的理论指导和借鉴意义。
展开更多
关键词
风生流
同步性
涨落潮分离
海洋时间序列
多尺度联合置换熵
在线阅读
下载PDF
职称材料
海洋多要素长时间序列的motif规则树构建方法研究
被引量：
2
2
作者
赵丹枫
黄雁玲
+2 位作者
黄冬梅
林俊辰
宋巍
《海洋通报》
CAS
CSCD
北大核心
2020年第5期558-566,共9页
对海洋数据进行挖掘能够有效地预测海洋灾害事件。海洋监测数据具有时序长、间隔短、多要素间强关联的特点,对长时间序列进行直接分析挖掘速度慢、效率低,现有方法大多采用符号化时间序列方法,但可能导致部分信息丢失且破坏要素间的关...
对海洋数据进行挖掘能够有效地预测海洋灾害事件。海洋监测数据具有时序长、间隔短、多要素间强关联的特点,对长时间序列进行直接分析挖掘速度慢、效率低,现有方法大多采用符号化时间序列方法,但可能导致部分信息丢失且破坏要素间的关联性。本文定义了时间序列motif,用于发现时间序列中重复出现的,先前未知的局部信息,解决了符号化导致的信息丢失的问题,实现了时间序列motif的精确快速提取。通过构建motif规则树,实现了海洋多要素时间序列间强关联规则的挖掘。最后,给出关联规则评价参数,同随机游走数据对比后,证明了本文方法的有效性。
展开更多
关键词
预测
海洋
多要素
时间
序列
强关联规则
motif规则树
在线阅读
下载PDF
职称材料
题名
基于多尺度联合置换熵的海洋时间序列同步性研究
1
作者
赵玮奇
武雅洁
邹华志
孙永鑫
机构
中国海洋大学工程学院
中国海洋大学山东省海洋工程重点实验室
珠江水利科学研究院
淄博震旦资源环境工程有限公司
出处
《中国海洋大学学报（自然科学版）》
CAS
CSCD
北大核心
2022年第5期122-130,共9页
基金
国家自然科学基金重点项目(51739010)资助
文摘
针对目前风生流的实测时间序列同步性研究的不足,本文采用多尺度联合置换熵,构建了DI指数、同步性指数I_(sync)和同步性指标α,对模拟时间序列和海洋实测时间序列进行了计算和分析。计算结果表明:同步性指数I_(sync)和同步性指标α能够识别时滞同步性和周期同步性;对涨落潮分离以后的数据进行分析,发现所有测站在落潮期间风应力对表面流向的影响更大。本文研究成果对分析和研究特定区域天文潮的涨落对风生流的影响有一定的理论指导和借鉴意义。
关键词
风生流
同步性
涨落潮分离
海洋时间序列
多尺度联合置换熵
Keywords
wind-generated currents
synchronization
separation of the ebb period and flow period
ocean time series
multiscale joint permutation entropy
分类号
P751 [交通运输工程—港口、海岸及近海工程]
在线阅读
下载PDF
职称材料
题名
海洋多要素长时间序列的motif规则树构建方法研究
被引量：
2
2
作者
赵丹枫
黄雁玲
黄冬梅
林俊辰
宋巍
机构
上海海洋大学信息学院
上海电力大学
出处
《海洋通报》
CAS
CSCD
北大核心
2020年第5期558-566,共9页
基金
国家重点研发计划(2016YFC1401902)。
文摘
对海洋数据进行挖掘能够有效地预测海洋灾害事件。海洋监测数据具有时序长、间隔短、多要素间强关联的特点,对长时间序列进行直接分析挖掘速度慢、效率低,现有方法大多采用符号化时间序列方法,但可能导致部分信息丢失且破坏要素间的关联性。本文定义了时间序列motif,用于发现时间序列中重复出现的,先前未知的局部信息,解决了符号化导致的信息丢失的问题,实现了时间序列motif的精确快速提取。通过构建motif规则树,实现了海洋多要素时间序列间强关联规则的挖掘。最后,给出关联规则评价参数,同随机游走数据对比后,证明了本文方法的有效性。
关键词
预测
海洋
多要素
时间
序列
强关联规则
motif规则树
Keywords
prediction
marine multi-element time series
strong association rules
motif rule tree
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多尺度联合置换熵的海洋时间序列同步性研究
赵玮奇
武雅洁
邹华志
孙永鑫
《中国海洋大学学报（自然科学版）》
CAS
CSCD
北大核心
2022
0
在线阅读
下载PDF
职称材料
2
海洋多要素长时间序列的motif规则树构建方法研究
赵丹枫
黄雁玲
黄冬梅
林俊辰
宋巍
《海洋通报》
CAS
CSCD
北大核心
2020
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
