基于重分形扩散熵分析算法(MF-DEA)的耦合时间序列可预测性分析方法

    公开(公告)号:CN117114200A

    公开(公告)日:2023-11-24

    申请号:CN202311210536.1

    申请日:2023-09-19

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于重分形扩散熵分析算法(MF‑DEA)的耦合时间序列可预测性分析方法。其特征在于,主要包括以下步骤:步骤一:耦合时序数据预处理,提取时序数据特征量并用Gauss核函数处理特征量;步骤二:采用重分形扩散熵算法进一步分析特征量数据,作数据特征谱、收集特征谱中体现的数据波动并计算Renyi熵值;步骤三:基于Renyi熵进行时序数据可预测性分析,检验时序数据长程依赖性并确定度量时序数据可预测性的合适标度。该方法可用于多标度的耦合时序数据可预测性分析,效果显著,提供了分析耦合时序数据可预测性的一种新思路。

Patent Agency Ranking