JP4711355B2 - 時系列データの解析装置 - Google Patents
時系列データの解析装置 Download PDFInfo
- Publication number
- JP4711355B2 JP4711355B2 JP2008256418A JP2008256418A JP4711355B2 JP 4711355 B2 JP4711355 B2 JP 4711355B2 JP 2008256418 A JP2008256418 A JP 2008256418A JP 2008256418 A JP2008256418 A JP 2008256418A JP 4711355 B2 JP4711355 B2 JP 4711355B2
- Authority
- JP
- Japan
- Prior art keywords
- segment
- data
- series data
- analysis
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Complex Calculations (AREA)
Description
解析対象の時系列データを解析するシーケンスを決定する解析シーケンス決定手段と、
この解析シーケンス決定手段により決定された解析シーケンスに従い、上記時系列データに対して最大エントロピー法及び非線形最小自乗法による演算を行って、上記時系列データの当てはめ曲線のパラメータとしての一般化三角多項式の三角項の項数及び各三角項の振幅・周期・頂位位相を求めると共に、上記当てはめ曲線と上記時系列データとの残差を求めるデータ解析手段と、
このデータ解析手段により求めた解析結果の上記パラメータと残差を評価し、上記時系列データとの一致度の条件に適合する場合に上記パラメータと残差を、以降の処理に用いるために記憶手段に記憶する解析結果評価手段と、
上記パラメータから得られるパワースペクトル密度と、最大エントロピー法を用いて求める残差のパワースペクトル密度を合成して上記時系列データの再構成スペクトルを求める再構成スペクトル計算手段と、
この再構成スペクトル計算手段により求めた再構成スペクトルを含む解析結果を出力するための解析結果構成手段の、上記各手段の処理をコンピュータに行わせる構成とし、
上記解析シーケンス決定手段は、
装置に入力された解析対象の時系列データのデータ点数を、予め設定された最大データ点数と比較して、この最大データ点数を越える場合に上記時系列データを必要回数2等分する処理を行って、上記時系列データを、上記最大データ点数を越えない大きさのセグメントに分割する第1の分割処理過程と、
この第1の分割処理過程において分割された各セグメントに対して、そのデータ構造の均一性を評価する処理を行う評価処理過程と、
この評価処理過程において、不均一と評価された上記セグメントを、上記評価処理過程と協同して、必要回数だけ、データ構造が変化している個所において2分割することにより、均一の複数のセグメントに分割処理する第2の分割処理過程と、
これらの第1の分割処理過程及び第2の分割処理過程において分割された均一のセグメントの夫々を基本セグメントとして、それらに対して、記憶手段に記憶領域を設定する処理を行う記憶領域設定処理過程から成る処理を行うように構成されており、
上記解析シーケンス決定手段の処理により、解析対象の時系列データを、その全期間データに対応する最上位レイヤーのセグメントから、順次2等分されて構成される、下位のレイヤーの夫々に含まれる2の累乗のセグメントと、最下位のレイヤーにおいて、データ構造が変化するセグメントを、データ構造の変化している個所において2分割して順次形成されるサブレイヤーの各セグメントとから成るセグメントに分割して解析の処理を行うように構成されているデータの解析装置を提案する。
解析シーケンス決定手段は、
評価処理過程において、各セグメントに対して、下式による最大エントロピー法のスペクトル密度の計算を最小ラグ値から最大ラグ値まで行って、ラグ値に対するバーグの係数Pmの推移を求め、その推移から判定して各セグメントのデータ構造の均一性の評価の処理を行うように構成されている時系列データの解析装置を提案する。
解析シーケンス決定手段は、不等間隔の時系列データを等間隔化処理する等間隔化処理過程の処理を行うように構成されている時系列データの解析装置を提案する。
データ解析手段は、
解析対象の時系列データから取り出した各セグメントに対して、下式による最大エントロピー法のパワースペクトル密度の計算を最小ラグ値から最大ラグ値まで行って、ラグ値に対するバーグの係数Pmの推移を求める計算過程と、
この計算過程において求められた上記バーグの係数Pmの推移から、適切なラグ値を決定するラグ値決定過程と、
このラグ値決定過程において決定されたラグ値により上記パワースペクトル密度を求めるパワースペクトル密度計算過程と、
このパワースペクトル密度計算過程において求められたパワースペクトル密度から主要ピークの周波数と、そのパワーを抽出する抽出過程と、
この抽出過程において抽出された周波数とパワーとから非線形最小自乗法により当てはめ曲線のパラメータを求めるパラメータ導出過程と、
このパラメータ導出過程において求められた当てはめ曲線とセグメントデータとを比較して一致度を評価し、所定の一致度以上の場合には上記当てはめ曲線のパラメータをセグメントに対応する記憶手段に記憶して次の過程に移行し、所定の一致度に達しない場合には上記当てはめ曲線のパラメータを破棄して上記ラグ値決定過程に移行する評価過程の処理を行うように構成されている時系列データの解析装置を提案する。
データ解析手段は、セグメントの解析を、最上位のレイヤーから最下位のレイヤーに向かって順次行うように制御され、
この際、上位のレイヤーのセグメントは、セグメント当たりのデータ点数が予め設定された最大データ点数を越えないように、解析対象の時系列データのデータ点数をバンチング処理により低減してセグメントを構成する処理を行う構成とすると共に、各レイヤーの各セグメントに対応して一時記憶領域を構成し、上位側のセグメントに対して求められた多項式パラメータを下位の各レイヤーの各セグメントの一時記憶領域に記憶すると共に、上記多項式パラメータから構成される当てはめ曲線と、原時系列データの対応部分との差演算により求められる残差時系列データを次の下位レイヤーのセグメントとして設定する処理を行うように構成されている時系列データの解析装置を提案する。
解析結果評価手段は、セグメントに対してデータ解析手段により求められた当てはめ曲線と解析対象の時系列データの対応範囲を比較して残差曲線を求めてその解析を行う残差解析過程と、
この残差解析過程により解析された残差曲線と時系列データとを比較して一致度を評価し、所定の一致度以上の場合には当てはめ曲線のパラメータと残差を所定の記憶手段に記憶して次の過程に移行し、
所定の一致度に達しない場合にはデータを破棄して、セグメントデータを次のレイヤーのセグメントに移行する評価過程とから成る処理を行うように構成されている時系列データの解析装置を提案する。
解析結果構成手段は、全ての記憶領域に記憶されている基本セグメントのパラメータと残差とから全データ領域を一括して再構成スペクトルを求めて記憶する一括解析結果構成手段と、
各記憶領域に記憶されている基本セグメントのパラメータと残差とから、基本セグメント毎に再構成スペクトルを求めて記憶するセグメント解析結果構成手段とから構成すると共に、基本セグメント毎に頂位位相の周波数依存性を解析するための頂位位相推移計算手段を構成し、
この頂位位相推移計算手段により計算した各基本セグメント毎の頂位位相の周波数依存を、セグメント解析結果構成手段による再構成スペクトルと共に、基本セグメントの代表時刻の属性として記憶するように構成されている時系列データの解析装置を提案する。
再構成スペクトル計算手段は、得られたパラメータからパワースペクトル密度を求める計算において、一般化三角多項式の夫々の項の夫々につき、δ函数の原型を用いて全周波数帯に裾の広がる夫々一つのスペクトルピークを構成することにより、パラメータから得られる各周波数に対応する孤立ピーク群を構成し、その重畳として時系列データの再構成スペクトルを求める処理を行うように構成されている時系列データの解析装置を提案する。δ函数の原型としては、例えば余弦函数に微弱な雑音を加えた時系列をラグ2にて最大エントロピー法のスペクトル密度の計算を行って得られたスペクトルを利用することができる。
入力された解析対象の時系列データを解析するシーケンスを決定する解析シーケンス決定手順と、
決定された解析シーケンスに従い、上記時系列データに対して最大エントロピー法及び非線形最小自乗法よる演算を行って、上記時系列データの当てはめ曲線のパラメータとしての一般化三角多項式の三角項の項数及び各三角項の振幅・周期・頂位位相を求めると共に、上記当てはめ曲線と上記時系列データとの残差を求めるデータ解析手順と、
このデータ解析手順により求めた解析結果の上記パラメータと残差を評価し、上記時系列データとの一致度の条件に適合する場合に記憶手段に記憶する解析結果評価手順と、
上記パラメータから得られるパワースペクトル密度と、最大エントロピー法を用いて求める残差のパワースペクトル密度を合成して時系列データの再構成スペクトルを求める再構成スペクトル計算手順と、
再構成スペクトル計算手順において求めた再構成スペクトルを含む解析結果を出力するための解析結果構成手順との処理をコンピュータに行わせることとし、
その際、解析シーケンス決定手順は、
入力された解析対象の時系列データのデータ点数を、予め設定された最大データ点数と比較して、最大データ点数を越える場合に上記時系列データを必要回数2等分することにより、上記時系列データを、上記最大データ点数を越えない大きさのセグメントに分割する第1の分割処理手順と、
この第1の分割処理手順において分割された各セグメントに対して、そのデータ構造の均一性を評価する評価処理手順と、
この評価処理手順において、不均一と評価された上記セグメントを、上記評価処理手順と協同して、必要回数だけ、データ構造が変化している個所において2分割することにより、均一の複数のセグメントに分割する第2の分割処理手順と、
これらの第1の分割処理手順及び第2の分割処理手順において分割された均一のセグメントの夫々を基本セグメントとして、それらに対して、記憶手段に記憶領域を設定する記憶領域設定処理手順から成る処理をコンピュータに行わせることとし、
上記解析シーケンス決定手順の処理により、解析対象の時系列データを、その全期間データに対応する最上位レイヤーのセグメントから、順次2等分されて構成される、下位のレイヤーの夫々に含まれる2の累乗のセグメントと、最下位のレイヤーにおいて、データ構造が変化するセグメントを、データ構造の変化している個所において2分割して順次形成されるサブレイヤーの各セグメントとから成るセグメントに分割してコンピュータに解析を行わせることとした時系列データの解析用コンピュータプログラムを提案する。
解析シーケンス決定手順の評価処理手順は、
各セグメントに対して、下式による最大エントロピー法のスペクトル密度の計算を最小ラグ値から最大ラグ値まで行って、ラグ値に対するバーグの係数Pmの推移を求め、その推移から判定して各セグメントのデータ構造の均一性の評価の処理をコンピュータに行わせることとした時系列データの解析用コンピュータプログラムを提案する。
解析シーケンス決定手順には、不等間隔の時系列データを等間隔化処理する等間隔化処理手順を備えている時系列データの解析用コンピュータプログラムを提案する。
データ解析手順は、解析対象の時系列データから取り出した各セグメントに対して、下式による最大エントロピー法のパワースペクトル密度の計算を最小ラグ値から最大ラグ値まで行って、
ラグ値に対するバーグの係数Pmの推移を求める計算過程と、
この計算過程において求められた上記バーグの係数Pmの推移から、適切なラグ値を決定するラグ値決定過程と、
このラグ値決定過程において決定されたラグ値により上記パワースペクトル密度を求めるパワースペクトル密度計算過程と、
このパワースペクトル密度計算過程において求められたパワースペクトル密度から主要ピークの周波数と、そのパワーを抽出する抽出過程と、
この抽出過程において抽出された周波数とパワーとから非線形最小自乗法により当てはめ曲線のパラメータを求めるパラメータ導出過程と、
このパラメータ導出過程において求められた当てはめ曲線とセグメントのデータとを比較して一致度を評価し、所定の一致度以上の場合には上記当てはめ曲線のパラメータをセグメントに対応する記憶手段に記憶して次の過程に移行し、所定の一致度に達しない場合には上記当てはめ曲線のパラメータを破棄して上記ラグ値決定過程に移行する評価過程から成る処理をコンピュータに行わせることとした時系列データの解析用コンピュータプログラムを提案する。
データ解析手順におけるセグメントの解析は、最上位のレイヤーから最下位のレイヤーに向かって順次行わせることとし、
この際、上位のレイヤーのセグメントは、セグメント当たりのデータ点数が予め設定された最大データ点数を越えないように、解析対象の時系列データのデータ点数をバンチング処理により低減してセグメントのデータとして構成する処理を行うと共に、各レイヤーの各セグメントに対応して一時記憶領域を構成し、上位側のセグメントに対して求められた当てはめ曲線のパラメータを下位の各レイヤーの各セグメントの一時記憶領域に記憶すると共に、上記パラメータから構成される当てはめ曲線と、原時系列データの対応部分との差演算により残差時系列データを求めて、次の下位レイヤーのセグメントのデータとして設定する処理をコンピュータに行わせることとした時系列データの解析用コンピュータプログラムを提案する。
解析結果評価手順は、各セグメントに対してデータ解析手順により求められた当てはめ曲線と解析対象の時系列データの対応範囲との差演算により残差曲線を求めてその解析を行う残差解析過程と、
残差解析過程により解析された残差曲線と時系列データとを比較して一致度を評価し、所定の一致度以上の場合には上記当てはめ曲線のパラメータと残差を所定の記憶手段に記憶して次の過程に移行し、所定の一致度に達しない場合にはデータを破棄して、セグメントのデータを次のレイヤーのセグメントに移行する評価過程の、各過程の処理をコンピュータに行わせることとした時系列データの解析用コンピュータプログラムを提案する。
解析結果構成手順は、全ての記憶領域に記憶されている基本セグメントのパラメータと残差とから全データ領域を一括して再構成スペクトルを求めて記憶する一括解析結果構成手順と、
各記憶領域に記憶されている基本セグメントのパラメータと残差とから、基本セグメント毎に再構成スペクトルを求めて記憶するセグメント解析結果構成手順とから構成されると共に、
基本セグメント毎に頂位位相の周波数依存性を解析するための頂位位相推移計算手順が構成され、この頂位位相推移計算手順により計算した各基本セグメント毎の頂位位相の周波数依存をセグメント解析結果構成手順による再構成スペクトルと共に、基本セグメントの代表時刻の属性として記憶する手順の処理をコンピュータに行わせることとした時系列データの解析用コンピュータプログラムを提案する。
再構成スペクトル計算手順は、得られたパラメータからパワースペクトル密度を求める計算において、一般化三角多項式の夫々の項の夫々につき、δ函数の原型を用いて全周波数帯に裾の広がる夫々一つのスペクトルピークを構成することにより、パラメータから得られる各周波数に対応する孤立ピーク群を構成し、その重畳として時系列データの再構成スペクトルを求める手順をコンピュータに行わせることとした時系列データの解析用コンピュータプログラムを提案する。この場合、δ函数の原型としては、例えば余弦函数に微弱な雑音を加えた時系列をラグ2にて最大エントロピー法のスペクトル密度の計算を行って得られたスペクトルを利用することができる。
本発明に係る解析装置1は、上述した解析手法を適用するため、解析対象の時系列データ(以降、必要に応じて原時系列データと称する)を一般化三角多項式により表現して解析を行うように構成されており、概ね、原時系列データに対して最大エントロピー法を適用して、高精度なパワースペクトル密度(PSD)を求め、その顕著なピークから、一般化三角多項式を解く初期値としての、項数と、各三角項の周期値を求める過程と、これらの初期値により、線形化された非線形最小自乗法を用いて、各三角項のパラメータを求めると共に、残差時系列データを求め、これらを加算して時系列データを再構成する過程を実行するように構成されている。
図に示すように、この実施の形態に係る解析装置1は、原時系列データを解析するシーケンスを決定する解析シーケンス決定手段2と、この解析シーケンス決定手段2により決定された解析シーケンスに従い、最大エントロピー法及び非線形最小自乗法によりデータを解析して一般化三角多項式のパラメータと残差を求めるデータ解析手段3と、データ解析手段3により求めた解析結果を評価し、条件に適合する場合に、予め設定された記憶手段に記憶する解析結果評価手段4と、これらの解析シーケンス決定手段2と、データ解析手段3と、解析結果評価手段4を統合的に制御して、必要な繰り返し演算等を行わせるための制御手段5と、上記パラメータから得られるパワースペクトル密度と最大エントロピー法を用いて求める残差のパワースペクトル密度を合成して時系列データの再構成スペクトルを求める再構成スペクトル計算手段6と、頂位位相の推移を計算する頂位位相推移計算手段7と、出力するデータの準備等に係る計算を行う、その他計算手段8と、これらの各計算手段6〜8を用いて、出力するデータ解析手段3の解析結果を構成する解析結果構成手段9とから構成されている。
まず図3、図4は解析シーケンス決定手段2における処理の流れを示す流れ図であり、図5は解析シーケンス決定手段2により決定されたレイヤーとセグメントの構成例を模式的に示すものである。
この最大データ点数は、後述する基本セグメントに取り込んで解析が行われる最大データ点数であるが、一般に、各セグメントに取り込んで同時に解析するデータ点数が小さすぎるとデータの構造の抽出が困難となり、逆に大きすぎると過剰なデータ構造が抽出されてしまうため、最適なデータ点数とするのが高精度の解析結果を得るためには好ましい。一方、解析に最適なデータ点数は、取り込んだデータの周期性が強いか否かによっても異なり、また解析装置1を構成する演算手段の演算速度や演算精度等によってもデータ点数が制限される。
このようなことから、最大データ点数としては、それまでの多数の時系列データの解析により蓄積された知見等から得られた値が設定される。尚、この最大データ点数は、後述する各評価手段による評価の結果をフィードバックして変更可能とし、変更された最大データ点数に基づいてステップS3及びそれ以降の処理を行うようにすることもできる。また最大データ点数は、操作者により設定可能とすることもできる。
まずステップS101では、セグメントに原時系列データの対応部分が取り込まれて、セグメントデータが構成される。この際、レイヤー0〜N−1のセグメントの場合には、上述したとおり、バンチング処理によるデータ点数の低減が行われる。
まずステップS112では、ステップS107において選出されたパラメータにより、最適当てはめ曲線を再構成し、そのデータ期間に対応する原時系列データとの差の演算を行い、残差曲線を求める。また当てはめ曲線の再現性を評価する諸量、ここでは標準偏差と残差パワーの時間依存が求められる。
解析する時系列データは、図10に示すもので、データは48時間201点の時系列データである。図から分かるように、24時間モードは、時刻24時においてその位相を反転させている。
まず図8において、ステップS201では、記憶領域1と2からパラメータ(一般化三角多項式のパラメータ)を取り出される。この際、取り出されたパラメータは2つで、いずれも周期24時・振幅10・頂位位相6時である。
次いでステップS202で振幅が規格化される。この規格化は、2つのパラメータそれぞれについて、振幅の自乗=100を基本セグメント数(=2)で割って、その平方根(=√50)をあらたな振幅とすることで行われる。
次いでステップS203における孤立ピークのPSDの計算により、同じピーク周波数(=1/24時間)をもつ二つのピークスペクトルが得られる。この孤立ピークの計算は、あらかじめ三角関数のMEM-PSDを求めておき、その面積を各モードのパワーに一致させる規格化により実現する。図20は求めた余弦関数のMEM-PSDを示している。
このように本発明では、孤立ピーク列は、δ函数の原型を用いて全周波数帯に裾の広がる夫々一つのスペクトルピークを構成することにより、パラメータから得られる各周波数に対応する孤立ピーク群を構成するもので、こうして理論形式では有限離散値を扱うコンピュータで構成することができない線スペクトル列となる時系列データのスペクトルを、ピーク周波数から離れるに従って急減する連続関数、例えば余弦函数に微弱な雑音を加えた時系列をラグ2にて最大エントロピー法のスペクトル密度の計算を行って得られたスペクトルをδ函数の原型として利用して再構成することにより、コンピュータを利用して、理論と整合する原時系列データの再構成スペクトルを求めることができる。
一方、各記憶領域1、2から取り出された基本セグメント1、2の残差成分から全測定長にわたる残差曲線を求め、次いでステップS204において、残差のMEM-PSDが計算される。次いで、ステップS205において、孤立ピーク群のスペクトルと残差のMEM-PSDとが重畳されて、最終的に原時系列データの一般化三角多項式表現と整合する再構成スペクトルが得られる。
2 解析シーケンス決定手段
3 データ解析手段
4 解析結果評価手段
5 制御手段
6 再構成スペクトル計算手段
7 頂位位相推移計算手段
8 その他計算手段
9a 一括解析結果構成手段
9b セグメント解析結果構成手段
10 一括解析結果
11 セグメント解析結果
Claims (19)
- コンピュータにプログラムを実行させることにより、このコンピュータを処理手段として機能させて入力された時系列データを解析する装置であって、
解析対象の時系列データを解析するシーケンスを決定する解析シーケンス決定手段と、
この解析シーケンス決定手段により決定された解析シーケンスに従い、上記時系列データに対して最大エントロピー法及び非線形最小自乗法による演算を行って、上記時系列データの当てはめ曲線のパラメータとしての一般化三角多項式の三角項の項数及び各三角項の振幅・周期・頂位位相を求めると共に、上記当てはめ曲線と上記時系列データとの残差を求めるデータ解析手段と、
このデータ解析手段により求めた解析結果の上記パラメータと残差を評価し、上記時系列データとの一致度の条件に適合する場合に上記パラメータと残差を、以降の処理に用いるために記憶手段に記憶する解析結果評価手段と、
上記パラメータから得られるパワースペクトル密度と、最大エントロピー法を用いて求める残差のパワースペクトル密度を合成して上記時系列データの再構成スペクトルを求める再構成スペクトル計算手段と、
この再構成スペクトル計算手段により求めた再構成スペクトルを含む解析結果を出力するための解析結果構成手段の、上記各手段の処理をコンピュータに行わせる構成とし、
上記解析シーケンス決定手段は、
装置に入力された解析対象の時系列データのデータ点数を、予め設定された最大データ点数と比較して、この最大データ点数を越える場合に上記時系列データを必要回数2等分する処理を行って、上記時系列データを、上記最大データ点数を越えない大きさのセグメントに分割する第1の分割処理過程と、
この第1の分割処理過程において分割された各セグメントに対して、そのデータ構造の均一性を評価する処理を行う評価処理過程と、
この評価処理過程において、不均一と評価された上記セグメントを、上記評価処理過程と協同して、必要回数だけ、データ構造が変化している個所において2分割することにより、均一の複数のセグメントに分割処理する第2の分割処理過程と、
これらの第1の分割処理過程及び第2の分割処理過程において分割された均一のセグメントの夫々を基本セグメントとして、それらに対して、記憶手段に記憶領域を設定する処理を行う記憶領域設定処理過程から成る処理を行うように構成されており、
上記解析シーケンス決定手段の処理により、解析対象の時系列データを、その全期間データに対応する最上位レイヤーのセグメントから、順次2等分されて構成される、下位のレイヤーの夫々に含まれる2の累乗のセグメントと、最下位のレイヤーにおいて、データ構造が変化するセグメントを、データ構造の変化している個所において2分割して順次形成されるサブレイヤーの各セグメントとから成るセグメントに分割して解析の処理を行うように構成されていることを特徴とする時系列データの解析装置。 - 解析シーケンス決定手段は、不等間隔の時系列データを等間隔化処理する等間隔化処理過程の処理を行うように構成されていることを特徴とする請求項1に記載の時系列データの解析装置。
- データ解析手段は、
解析対象の時系列データから取り出した各セグメントに対して、下式による最大エントロピー法のパワースペクトル密度の計算を最小ラグ値から最大ラグ値まで行って、ラグ値に対するバーグの係数Pmの推移を求める計算過程と、
この計算過程において求められた上記バーグの係数Pmの推移から、適切なラグ値を決定するラグ値決定過程と、
このラグ値決定過程において決定されたラグ値により上記パワースペクトル密度を求めるパワースペクトル密度計算過程と、
このパワースペクトル密度計算過程において求められたパワースペクトル密度から主要ピークの周波数と、そのパワーを抽出する抽出過程と、
この抽出過程において抽出された周波数とパワーとから非線形最小自乗法により当てはめ曲線のパラメータを求めるパラメータ導出過程と、
このパラメータ導出過程において求められた当てはめ曲線とセグメントデータとを比較して一致度を評価し、所定の一致度以上の場合には上記当てはめ曲線のパラメータをセグメントに対応する記憶手段に記憶して次の過程に移行し、所定の一致度に達しない場合には上記当てはめ曲線のパラメータを破棄して上記ラグ値決定過程に移行する評価過程の処理を行うように構成されていることを特徴とする請求項1に記載の時系列データの解析装置。
- データ解析手段は、セグメントの解析を、最上位のレイヤーから最下位のレイヤーに向かって順次行うように制御され、
この際、上位のレイヤーのセグメントは、セグメント当たりのデータ点数が予め設定された最大データ点数を越えないように、解析対象の時系列データのデータ点数をバンチング処理により低減してセグメントを構成する処理を行う構成とすると共に、各レイヤーの各セグメントに対応して一時記憶領域を構成し、上位側のセグメントに対して求められた多項式パラメータを下位の各レイヤーの各セグメントの一時記憶領域に記憶すると共に、上記多項式パラメータから構成される当てはめ曲線と、原時系列データの対応部分との差演算により求められる残差時系列データを次の下位レイヤーのセグメントとして設定する処理を行うように構成されていることを特徴とする請求項1に記載の時系列データの解析装置。 - 解析結果評価手段は、セグメントに対してデータ解析手段により求められた当てはめ曲線と解析対象の時系列データの対応範囲を比較して残差曲線を求めてその解析を行う残差解析過程と、
この残差解析過程により解析された残差曲線と時系列データとを比較して一致度を評価し、所定の一致度以上の場合には当てはめ曲線のパラメータと残差を所定の記憶手段に記憶して次の過程に移行し、
所定の一致度に達しない場合にはデータを破棄して、セグメントデータを次のレイヤーのセグメントに移行する評価過程とから成る処理を行うように構成されていることを特徴とする請求項1に記載の時系列データの解析装置。 - 解析結果構成手段は、全ての記憶領域に記憶されている基本セグメントのパラメータと残差とから全データ領域を一括して再構成スペクトルを求めて記憶する一括解析結果構成手段と、
各記憶領域に記憶されている基本セグメントのパラメータと残差とから、基本セグメント毎に再構成スペクトルを求めて記憶するセグメント解析結果構成手段とから構成すると共に、基本セグメント毎に頂位位相の周波数依存性を解析するための頂位位相推移計算手段を構成し、
この頂位位相推移計算手段により計算した各基本セグメント毎の頂位位相の周波数依存を、セグメント解析結果構成手段による再構成スペクトルと共に、基本セグメントの代表時刻の属性として記憶するように構成されていることを特徴とする請求項1に記載の時系列データの解析装置。 - 再構成スペクトル計算手段は、得られたパラメータからパワースペクトル密度を求める計算において、一般化三角多項式の夫々の項の夫々につき、δ函数の原型を用いて全周波数帯に裾の広がる夫々一つのスペクトルピークを構成することにより、パラメータから得られる各周波数に対応する孤立ピーク群を構成し、その重畳として時系列データの再構成スペクトルを求める処理を行うように構成されていることを特徴とする請求項1に記載の時系列データの解析装置。
- δ函数の原型として、余弦函数に微弱な雑音を加えた時系列をラグ2にて最大エントロピー法のスペクトル密度の計算を行って得られたスペクトルを利用して処理を行うように構成されていることを特徴とする請求項8に記載の時系列データの解析装置。
- コンピュータに時系列データの解析を実行させるプログラムであって、
入力された解析対象の時系列データを解析するシーケンスを決定する解析シーケンス決定手順と、
決定された解析シーケンスに従い、上記時系列データに対して最大エントロピー法及び非線形最小自乗法よる演算を行って、上記時系列データの当てはめ曲線のパラメータとしての一般化三角多項式の三角項の項数及び各三角項の振幅・周期・頂位位相を求めると共に、上記当てはめ曲線と上記時系列データとの残差を求めるデータ解析手順と、
このデータ解析手順により求めた解析結果の上記パラメータと残差を評価し、上記時系列データとの一致度の条件に適合する場合に記憶手段に記憶する解析結果評価手順と、
上記パラメータから得られるパワースペクトル密度と、最大エントロピー法を用いて求める残差のパワースペクトル密度を合成して時系列データの再構成スペクトルを求める再構成スペクトル計算手順と、
再構成スペクトル計算手順において求めた再構成スペクトルを含む解析結果を出力するための解析結果構成手順との処理をコンピュータに行わせることとし、
その際、解析シーケンス決定手順は、
入力された解析対象の時系列データのデータ点数を、予め設定された最大データ点数と比較して、最大データ点数を越える場合に上記時系列データを必要回数2等分することにより、上記時系列データを、上記最大データ点数を越えない大きさのセグメントに分割する第1の分割処理手順と、
この第1の分割処理手順において分割された各セグメントに対して、そのデータ構造の均一性を評価する評価処理手順と、
この評価処理手順において、不均一と評価された上記セグメントを、上記評価処理手順と協同して、必要回数だけ、データ構造が変化している個所において2分割することにより、均一の複数のセグメントに分割する第2の分割処理手順と、
これらの第1の分割処理手順及び第2の分割処理手順において分割された均一のセグメントの夫々を基本セグメントとして、それらに対して、記憶手段に記憶領域を設定する記憶領域設定処理手順から成る処理をコンピュータに行わせることとし、
上記解析シーケンス決定手順の処理により、解析対象の時系列データを、その全期間データに対応する最上位レイヤーのセグメントから、順次2等分されて構成される、下位のレイヤーの夫々に含まれる2の累乗のセグメントと、最下位のレイヤーにおいて、データ構造が変化するセグメントを、データ構造の変化している個所において2分割して順次形成されるサブレイヤーの各セグメントとから成るセグメントに分割してコンピュータに解析を行わせることとした時系列データの解析用コンピュータプログラム。 - 解析シーケンス決定手順には、不等間隔の時系列データを等間隔化処理する等間隔化処理手順を備えていることを特徴とする請求項10に記載の時系列データの解析用コンピュータプログラム。
- データ解析手順は、解析対象の時系列データから取り出した各セグメントに対して、下式による最大エントロピー法のパワースペクトル密度の計算を最小ラグ値から最大ラグ値まで行って、
ラグ値に対するバーグの係数Pmの推移を求める計算過程と、
この計算過程において求められた上記バーグの係数Pmの推移から、適切なラグ値を決定するラグ値決定過程と、
このラグ値決定過程において決定されたラグ値により上記パワースペクトル密度を求めるパワースペクトル密度計算過程と、
このパワースペクトル密度計算過程において求められたパワースペクトル密度から主要ピークの周波数と、そのパワーを抽出する抽出過程と、
この抽出過程において抽出された周波数とパワーとから非線形最小自乗法により当てはめ曲線のパラメータを求めるパラメータ導出過程と、
このパラメータ導出過程において求められた当てはめ曲線とセグメントのデータとを比較して一致度を評価し、所定の一致度以上の場合には上記当てはめ曲線のパラメータをセグメントに対応する記憶手段に記憶して次の過程に移行し、所定の一致度に達しない場合には上記当てはめ曲線のパラメータを破棄して上記ラグ値決定過程に移行する評価過程から成る処理をコンピュータに行わせることとした請求項10に記載の時系列データの解析用コンピュータプログラム。
- データ解析手順におけるセグメントの解析は、最上位のレイヤーから最下位のレイヤーに向かって順次行わせることとし、
この際、上位のレイヤーのセグメントは、セグメント当たりのデータ点数が予め設定された最大データ点数を越えないように、解析対象の時系列データのデータ点数をバンチング処理により低減してセグメントのデータとして構成する処理を行うと共に、各レイヤーの各セグメントに対応して一時記憶領域を構成し、上位側のセグメントに対して求められた当てはめ曲線のパラメータを下位の各レイヤーの各セグメントの一時記憶領域に記憶すると共に、上記パラメータから構成される当てはめ曲線と、原時系列データの対応部分との差演算により残差時系列データを求めて、次の下位レイヤーのセグメントのデータとして設定する処理をコンピュータに行わせることとした請求項10に記載の時系列データの解析用コンピュータプログラム。 - 解析結果評価手順は、各セグメントに対してデータ解析手順により求められた当てはめ曲線と解析対象の時系列データの対応範囲との差演算により残差曲線を求めてその解析を行う残差解析過程と、
残差解析過程により解析された残差曲線と時系列データとを比較して一致度を評価し、所定の一致度以上の場合には上記当てはめ曲線のパラメータと残差を所定の記憶手段に記憶して次の過程に移行し、所定の一致度に達しない場合にはデータを破棄して、セグメントのデータを次のレイヤーのセグメントに移行する評価過程の、各過程の処理をコンピュータに行わせることとした請求項10に記載の時系列データの解析用コンピュータプログラム。 - 解析結果構成手順は、全ての記憶領域に記憶されている基本セグメントのパラメータと残差とから全データ領域を一括して再構成スペクトルを求めて記憶する一括解析結果構成手順と、
各記憶領域に記憶されている基本セグメントのパラメータと残差とから、基本セグメント毎に再構成スペクトルを求めて記憶するセグメント解析結果構成手順とから構成されると共に、
基本セグメント毎に頂位位相の周波数依存性を解析するための頂位位相推移計算手順が構成され、この頂位位相推移計算手順により計算した各基本セグメント毎の頂位位相の周波数依存をセグメント解析結果構成手順による再構成スペクトルと共に、基本セグメントの代表時刻の属性として記憶する手順の処理をコンピュータに行わせることとした請求項10に記載の時系列データの解析用コンピュータプログラム。 - 再構成スペクトル計算手順は、得られたパラメータからパワースペクトル密度を求める計算において、一般化三角多項式の夫々の項の夫々につき、δ函数の原型を用いて全周波数帯に裾の広がる夫々一つのスペクトルピークを構成することにより、パラメータから得られる各周波数に対応する孤立ピーク群を構成し、その重畳として時系列データの再構成スペクトルを求める手順の処理をコンピュータに行わせることとした請求項10に記載の時系列データの解析用コンピュータプログラム。
- δ函数の原型として、余弦函数に微弱な雑音を加えた時系列をラグ2にて最大エントロピー法のスペクトル密度の計算を行って得られたスペクトルを利用して処理を行わせることとした請求項17に記載の時系列データの解析用コンピュータプログラム。
- 請求項10〜18のいずれか1項に記載されたコンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008256418A JP4711355B2 (ja) | 2008-10-01 | 2008-10-01 | 時系列データの解析装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008256418A JP4711355B2 (ja) | 2008-10-01 | 2008-10-01 | 時系列データの解析装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010086398A JP2010086398A (ja) | 2010-04-15 |
JP4711355B2 true JP4711355B2 (ja) | 2011-06-29 |
Family
ID=42250269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008256418A Expired - Fee Related JP4711355B2 (ja) | 2008-10-01 | 2008-10-01 | 時系列データの解析装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4711355B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105320492A (zh) * | 2014-08-01 | 2016-02-10 | 英飞凌科技股份有限公司 | 基于分部分段多项式近似的数字预失真和后失真 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101677408B1 (ko) | 2013-03-21 | 2016-11-17 | 도요타지도샤가부시키가이샤 | 연료 전지 시스템 및 연료 전지 시스템의 제어 방법 |
CN110530509B (zh) * | 2019-09-05 | 2020-09-01 | 西南交通大学 | 基于最大熵谱分析的高速动车组轴箱振动主频预测方法 |
CN114254017B (zh) * | 2021-12-22 | 2024-04-30 | 河北省科学院应用数学研究所 | 一种基于时间序列的转辙机功率曲线特征提取应用方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05216195A (ja) * | 1992-02-07 | 1993-08-27 | Konica Corp | 色素受像材料 |
JPH06149863A (ja) * | 1992-11-05 | 1994-05-31 | Yukio Tanaka | 時系列データ解析装置 |
-
2008
- 2008-10-01 JP JP2008256418A patent/JP4711355B2/ja not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105320492A (zh) * | 2014-08-01 | 2016-02-10 | 英飞凌科技股份有限公司 | 基于分部分段多项式近似的数字预失真和后失真 |
Also Published As
Publication number | Publication date |
---|---|
JP2010086398A (ja) | 2010-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
GB2547816B (en) | Actually-measured marine environment data assimilation method based on sequence recursive filtering three-dimensional variation | |
US10496730B2 (en) | Factor analysis device, factor analysis method, and factor analysis program | |
JP6458403B2 (ja) | 予測モデル生成装置、予測モデル生成方法及びプログラム | |
JP4711355B2 (ja) | 時系列データの解析装置 | |
Le Moguédec et al. | Fagacées: a tree-centered growth and yield model for sessile oak (Quercus petraea L.) and common beech (Fagus sylvatica L.) | |
Wang et al. | Smoothing splines with varying smoothing parameter | |
CN116563718B (zh) | 一种基于遥感测绘的碳储量估算方法 | |
JP4711356B2 (ja) | 2系列の時系列データの解析装置及び2系列の時系列データの解析プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
US20060181440A1 (en) | Statistical streaming | |
CN111474117B (zh) | 作物病害监测的方法及装置 | |
CN116881665A (zh) | 一种基于CMOA优化的TimesNet-BiLSTM光伏出力预测方法 | |
Gzyl et al. | Determination of the probability of ultimate ruin by maximum entropy applied to fractional moments | |
JP2017198620A (ja) | 異常診断装置および異常診断方法 | |
CN117349751A (zh) | 基于元学习与贝叶斯优化的黄土滑坡滑距预测方法及系统 | |
CN105137176B (zh) | 一种利用快速三角形式傅里叶变换的信号谐波分析方法 | |
CN106683001A (zh) | 基于历史运行数据的火电机组辨识数据的选取方法 | |
CN109840308B (zh) | 一种区域风电功率概率预报方法及系统 | |
CN111650129B (zh) | 一种荔枝叶片钙含量预测方法及预测装置 | |
Yao et al. | A minimum deviation approach for improving the consistency of uncertain 2-tuple linguistic preference relations | |
JP2009258969A (ja) | 進捗計画作成装置及び進捗計画作成方法 | |
CN104021434A (zh) | 基于ERA-Interim预测海浪有效波高的方法 | |
JP4743914B2 (ja) | 時系列データの解析システム及び時系列データの解析プログラム | |
CN105279332B (zh) | 近地面风场不同空间点全时间尺度空间相关性分析方法 | |
Awichi et al. | Improving SSA predictions by inverse distance weighting | |
Ayvaz et al. | Identification of the aquifer parameters from pumping test data by using a hybrid optimization approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20101022 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20101105 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20101208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101227 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110225 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20110225 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110317 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110317 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |