一种用于度量复杂动力系统本征因果关系的方法技术方案

本发明专利技术属于数据分析技术领域，公开了一种用于度量复杂动力系统本征因果关系的方法。给定两个时间序列，对它们分别做经验模态分解，得到它们各自的本征模态函数组；从两个时间序列的本征模态函数组中各取一个本征模态函数，分别作为原因序列和结果序列，应用梁‑克里曼信息流方法，计算两个本征模态函数之间的信息流；遍取两函数组中所有本征模态函数的组合，计算每对本征模态函数之间的信息流；确定满足显著性准则的显著本征原因；确定主要本征结果：从两组本征模态函数组中任意选定一个本征模态函数作为原因序列，从与之对应的本征信息流结果序列中，根据信息流的相对重要性，确定主要本征结果。

【技术实现步骤摘要】
一种用于度量复杂动力系统本征因果关系的方法
本专利技术属于数据分析
，尤其涉及一种基于经验模态分解、梁-克里曼信息流度量复杂动力系统时间序列之间的本征因果关系的方法。
技术介绍
通常把描述几何空间中一个点随时间演化的数学模型称为动力系统。动力系统可以由时间序列来表示。除自然科学外，社会历史发展、经济发展等所有可以由时间序列描述的问题也都可以认为是动力系统。两个动力过程之间的因果关系也就是时间序列之间的因果关系。牛顿以来的简单系统之间相互作用较弱，而复杂动力系统中广泛存在着因果关系。复杂系统存在于世界各个角落，而因果关系的确定并不容易。目前，最接近描述因果关系的现有技术是信息流(informationflow/informationtransfer)。信息流描述两个时间序列之间信息传播的方向和大小。两个系统之间有信息传递，即表示它们之间互有影响。因而信息流是度量因果关系的合适方法。信息流有明确的物理意义，但它建立在经验或半经验公式的基础上，缺乏坚实的理论基础。Liang和Kleeman(2005)为动力系统的信息流建立了严格的数学描述。本专本文档来自技高网...

【技术保护点】
1.一种用于度量复杂动力系统本征因果关系的方法，其特征在于，所述基于经验模态分解的本征信息流数据分析方法包括：/n给定两个时间序列，对它们分别做经验模态分解，得到它们各自的本征模态函数组；/n从两个时间序列的本征模态函数组中各取一个本征模态函数，分别作为原因序列和结果序列，应用梁-克里曼信息流方法，计算两个本征模态函数之间的信息流；遍取两函数组中所有本征模态函数的组合，计算每对本征模态函数之间的信息流；/n确定显著本征原因：设置显著性准则，从两组本征模态函数组中任意选定一个本征模态函数作为结果序列，从与之对应的本征信息流原因序列中，确定满足显著性准则的显著本征原因；/n确定主要本征结果：从两组...

【技术特征摘要】
1.一种用于度量复杂动力系统本征因果关系的方法，其特征在于，所述基于经验模态分解的本征信息流数据分析方法包括：
给定两个时间序列，对它们分别做经验模态分解，得到它们各自的本征模态函数组；
从两个时间序列的本征模态函数组中各取一个本征模态函数，分别作为原因序列和结果序列，应用梁-克里曼信息流方法，计算两个本征模态函数之间的信息流；遍取两函数组中所有本征模态函数的组合，计算每对本征模态函数之间的信息流；
确定显著本征原因：设置显著性准则，从两组本征模态函数组中任意选定一个本征模态函数作为结果序列，从与之对应的本征信息流原因序列中，确定满足显著性准则的显著本征原因；
确定主要本征结果：从两组本征模态函数组中任意选定一个本征模态函数作为原因序列，从与之对应的本征信息流结果序列中，根据信息流的相对重要性，确定主要本征结果。


2.如权利要求1所述的用于度量复杂动力系统本征因果关系的方法，其特征在于，所述基于经验模态分解的本征信息流数据分析方法进一步包括：
第一步，给定两个时间序列X和Y，对它们分别做经验模态分解EMD，得到两个时间序列各自的本征模态函数组，将两个时间序列分别表示为和的形式，{xi,i＝1,2,n1}为X的本征模态函数组，{yi,i＝1,2,n2}为Y的本征模态函数组，时间序列的每个本征模态函数都与它本身有相同的时间长度和采样频率，时间序列X和Y有相同的采样频率和采样点，但X的本征模态个数n1与Y的本征模态个数n2可以不等；
第二步，从时间序列X的本征模态函数组{xi,i＝1,2,n1}和Y的本征模态函数组{yi,i＝1,2,n2}中各取一个本征模态函数，分别作为原因序列和结果序列，应用梁-克里曼信息流方法，计算两个本征模态函数之间的信息流和遍取两函数组中所有本征模态函数的组合，计算每个本...

【专利技术属性】
技术研发人员：王刚，乔方利，
申请(专利权)人：自然资源部第一海洋研究所，青岛海洋科学与技术国家实验室发展中心，
类型：发明
国别省市：山东;37