10.3969/j.issn.1000-1158.2017.06.26
时间序列三维荧光光谱数据的压缩预测
针对时间序列三维荧光光谱数据量大及非平稳的特点,从光谱维和时间维利用小波变换对数据进行了压缩.结果表明二维压缩重构前后的失真率均小于0.1,相似度都超过0.99,荧光区域一维压缩后重构失真率均小于0.2,相似度超过0.9,压缩效果较好.在小波压缩的基础上,进一步利用自回归移动平均模型对多元时间序列光谱数据进行了预测,探讨了6种不同压缩情况下的预测能力,并与小波神经网络预测方法进行了比较.相关的数值实验表明预测模型不仅对数据进行了有效的压缩,而且具有快速准确的预测能力.
计量学、时间序列、三维荧光光谱、小波变换、自回归移动平均模型
38
TB99(计量学)
国家自然科学基金61308063;安徽省自然科学基金1308085QF111;国家自然科学基金委员会国际地区合作与交流项目61491240110;大学生创新训练项目201514098026
2018-01-09（万方平台首次上网日期，不代表论文的发表时间）
共4页
776-779
