本發明公開了一種序列突變過程檢測方法，該方案通過擬合和參數分析實現突變持續過程的動態再現，將突變視為一次由開始、發展、結束的過程性事件，從而利用參數方程擬合提取出整個突變過程，這區別于以往的突變檢測技術，本發明還提出利用表征序列突變過程的參數動態的表示序列突變的演變過程，檢測到關于突變的信息要顯著多于傳統的突變檢測技術，也更好的反應和代表突變一種序列突變過程檢測方法，將突變演變過程具體的區分為“突變前的穩定狀態”、“演變過程”、“突變后的結束狀態”三個部分，通過參數詳細的刻畫這三個部分，從而檢測得到序列的突變過程，并通過一系列的圖直觀的展示突變過程。

技術領域

本發明涉及序列突變檢測技術領域，具體為一種序列突變過程檢測方法。

背景技術

現實生活中很多事物的發展往往不是循序漸進的，存在一定的突變，如氣候增暖、疾病發生、股票劇跌、人口爆發等等都存在突然變化的情況，盡管已有研究已經對這種突變展開研究，但是對于突變的“演變過程”仍然缺乏一定的檢測技術。本發明針對這種情況提出一種時間序列突變過程的檢測技術，通過數理方法放大時間序列的突變過程細節，將突變演變過程具體的區分為“突變前的穩定狀態”、“演變過程”、“突變后的結束狀態”三個部分，并通過參數詳細刻畫突變過程，實現序列突變過程的檢測。

檢測突變主要依托檢測序列在不同時段的統計特征量，依據統計量在時間上的差異性來判別序列的突變情況，已有的檢測技術包括傳統的特征量統計(均值、方差等)，利用系統復雜程度、概率密度等表征序列特點的統計量發明的檢測方法。

其中傳統的突變檢測方法有滑動T檢驗(MTT)、克拉默法(Cramer’s)、山本(Yamamoto et al，1985)、Mann-Kendall(MK)(Goossens et al，1986)等方法，以及隨后提出來的Fisher 突變檢測(Cabezas and Fath,2002；Fath et al,2003)等。這類突變檢測方法主要根據序列不同時段統計量存在一定的差異，依據給定的閾值識別突變點的位置。隨后，也發展了一批非線性突變檢測方法，包括基于啟發式分割(BG)算法(封國林等，2005；龔志強等，2006)、滑動移除近似熵(MC－ApEn)(何文平等，2010，2012；金紅梅等，2012a，2012b)，重標極差 (何文平等，2010)，滑動移除重標極差(MC－R/S)(何文平等，2012)、復雜度(侯威等，2005)，以及基于偏度峰度等新型的突變檢測方法。此類檢測方法借助于新的統計手段，檢測不同時段的統計量差異，從而給出突變點位置。以上這些已有的檢測方法都基于突變是一個“點”的假定，認為突變的發生不經過一定的時間過渡，直接由統計量1到統計量2的躍變。已有的突變檢測技術主要基于時間序列在不同時段的統計差異性，一旦檢測到某個時刻存在統計量的差異，即認為該時刻存在突變，但是實際情況中，一個系統(如氣候系統、經濟體量等) 在發生由一種狀態經歷到另一種狀態的過渡期間，總要經歷一定的持續時間。這意味著傳統的突變檢測方法存在明顯的弊端，即不能夠檢測得到突變過程，而突變過程包括開始、發展、結束，恰恰是反應突變機制的基礎，這就需要一種新的檢測技術去進行檢測。

發明內容

本發明的目的在于提供一種序列突變過程檢測方法，以解決上述背景技術中提出的問題。

為了解決上述技術問題，本發明提供如下技術方案：一種序列突變過程檢測方法，包括以下步驟：

1)利用數學模型對含有突變過程的時間序列進行提取；

2)利用下列方程表征的曲線去擬合實際的時間序列，提取出突變的持續過程：

3)將得到的一系列參數組進行作圖統計分析，進而確定突變的持續過程。

根據上述技術方案，所述步驟1)中完整的突變過程包括過渡之前的“突變前的穩定狀態”，以及過渡過程，即“演變過程”，和“突變后的結束狀態”。