资源描述：
《matlab在时间序列分析中的应用-笔记》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、MATLAB在时间序列分析中的应用笔记2012/07/11-2012/07/17第一章时间序列及其分析概述符号化是定性时间序列处理的第一步；然后是寻找结构与建模分析。任何呈现规律性特征的序列都可以成为结构。结构与功能关系的研究是DNA序列研究的核心问题。元模式（每一个符号应尽可能地代表时间序列中的某一种基本的、相对独立的变化模式）是构成字符序列结构的最基本元素。时间序列数据：1、数据一般等间隔采样，不过采样间隔的确定要视具体情况而定2、缺失值填补，一般不能直接对一个残缺的序列分析，要先进行处理使其完整，然后再分析。第二章时间序列的统计量
2、name的取值函数说明'beta'或'Beta'Beta分布'bino'或'Binomial'二项分布'chi2'或'Chisquare'卡方分布'exp'或'Exponential'指数分布'f'或'F'F分布'gam'或'Gamma'GAMMA分布'geo'或'Geometric'几何分布'hyge'或'Hypergeometric'超几何分布'logn'或'Lognormal'对数正态分布'nbin'或'NegativeBinomial'负二项式分布'ncf'或'NoncentralF'非中心F分布'nct'或'Noncentra
3、lt'非中心t分布'ncx2'或'NoncentralChi-square'非中心卡方分布'norm'或'Normal'正态分布'poiss'或'Poisson'泊松分布'rayl'或'Rayleigh'瑞利分布't'或'T'T分布'unif'或'Uniform'均匀分布'unid'或'DiscreteUniform'离散均匀分布'weib'或'Weibull'Weibull分布y=detrend(x)%消除时间序列的线性趋势y=detrend(x,’constant’)%消除时间序列的均值y=detrend(x,’linear’,bp
4、)%分段消除时间序列的线性趋势，bp是分段向量%自相关函数与相关函数x1=normrnd(0,1,1,100);x2=random('exp',3,1,100);plot(x1);plot(x2);[ACF,Lags,Bounds]=autocorr(x1,[],2);Bounds[XCF,Lages,Bounds]=crosscorr(x1,x2)第三章时间序列插值与差分拉格朗日插值多项式牛顿插值多项式差分：向前差分向后差分：Matlab中的插值函数：%每隔一个元素“取”一个值x=[12345678910];dse1=dyaddown
5、(x)dse2=dyaddown(x,0)dse3=dyaddown(x,1)%等间隔的取值y=downsample(x,4);%每隔一个元素“插”一个值0；0是偶插入；1是奇插入x=[12345678910];dse1=dyadup(x)dse2=dyadup(x,0)dse3=dyadup(x,1)%整数倍插值，使曲线更光滑t=0:0.5:2*pi;x=sin(t);y=interp(x,4);subplot(121);plot(x);holdon,stem(x);title('原始序列');subplot(122);plot(y)
6、;holdon,stem(y);title('插值信号');%降采样处理decimate(x,r);t=0:0.5:2*pi;x=sin(t);y=interp(x,4);y1=downsample(y,4);subplot(131);plot(x);holdon,stem(x);title('原始序列');subplot(132);plot(y);holdon,stem(y);title('插值信号');subplot(133);plot(y1);holdon,stem(y1);title('降采样信号');一维时间序列分段线性内插i
7、nterp1样条插值，高精度的多项式三次样条插值：splinex=0:10;y=sin(x);xx=0:0.25:10;yy=spline(x,y,xx);plot(x,y,xx,yy);差分diff微分：多项式微分：Lagrange插值Hermite插值hours=1:12;temps=[289152925313022252724];h=1:0.1:12;t=interp1(hours,temps,h,'spline');plot(hours,temps,'+',h,t,hours,temps,'r:')plot(hours,temp
8、s,'+',hours,temps),holdon,plot(h,t,'r:')第四章时间序列拟合corrcoef(x,y)%计算相关系数p=polyfit(x,y,1)%拟合一元回归直线polyval(p
