一维时间序列分形维数算法对比分析

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (22): 33-38.

一维时间序列分形维数算法对比分析

秦建强1，孔祥玉1，胡绍林2，马红光3

1.火箭军工程大学，西安 710025
2.西安卫星测控中心故障诊断实验室，西安 710043
3.北京理工大学珠海学院航空学院，广东珠海 519088

出版日期:2016-11-15 发布日期:2016-12-02

Performance comparison of methods for estimating fractal dimension of time series

QIN Jianqiang1, KONG Xiangyu1, HU Shaolin2, MA Hongguang3

1.Kocket Force University of Engineering, Xi’an 710025, China
2.Xi’an Satellite Control Center, Xi’an 710043, China
3.School of Aviation, Beijing Institute of Technology, Zhuhai, Zhuhai, Guangdong 519088, China

Online:2016-11-15 Published:2016-12-02

摘要/Abstract

摘要： 分形维数在一维时间序列的分形特性分析中应用非常广泛，其计算方法多种多样，但是相关计算方法的全面对比鲜见文献报道。针对常用的八种一维时间序列分形维数计算方法，以WCF合成时间序列为研究对象，分别就算法的准确性和效率，对数据长度的依赖性进行分析对比。结果表明：准确性较好的三种算法是FA，DFA和Higuchi算法；而运算效率最高的是Sevcik，Katz和Castiglioni算法，但是它们的准确性偏低，而FA和Higuchi算法在计算时间上略微增加，但准确性比较高；在数据长度为4 096点时，各算法的计算值基本稳定，尤其是FA、Higuchi和DFA算法，在数据长度为4 096点时，计算值与理论值比较吻合。由此可以得出结论，Higuchi和DFA算法在计算一维时间序列的分形维数时性能优越，在相关的计算中优先选择。

关键词: 分形维数, Higuchi, 去趋势波动分析, 波动分析, 准确性, 效率, 数据长度

Abstract: Fractal dimension is used broadly in fractal analysis for time series. Lots of calculating methods are available, but fully comparison of them is rarely reported in literature. In this study, the most common methods of estimating the fractal dimension for time series directly in the time domain are analyzed and compared over synthetic data（WCF time series）. The accuracy, efficiency and dependence on data length are evaluated for each method. Simulation and measurement results indicate that the FA, DFA and Higuchi methods outperform others in accuracy comparison. When it comes to efficiency, Katz, Sevcik and Castiglioni methods have the highest performance. In analysis of dependence on data length, 4，096 is found to be the just length with which most methods could get a stable estimating value. Especially for FA, DFA and Higuchi methods, whose estimated value coincide with theory value well. Therefore, the Higuchi and DFA methods outshine than others in calculating fractal dimension, and they should be taken precedence in related computing.

Key words: fractal dimension, Higuchi, Detrended Fluctuation Analysis（DFA）, Fluctuation Analysis（FA）, accuracy, efficiency, data length

秦建强1，孔祥玉1，胡绍林2，马红光3. 一维时间序列分形维数算法对比分析[J]. 计算机工程与应用, 2016, 52(22): 33-38.

QIN Jianqiang1, KONG Xiangyu1, HU Shaolin2, MA Hongguang3. Performance comparison of methods for estimating fractal dimension of time series[J]. Computer Engineering and Applications, 2016, 52(22): 33-38.

[1]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[2]	刘子豪，赵津，刘畅，赖坤城，王玺乔. 基于改进A*算法室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(2): 186-190.
[3]	张宏丽，白翔宇. 利用优化剪枝GoogLeNet的人脸表情识别方法[J]. 计算机工程与应用, 2021, 57(19): 179-188.
[4]	彭家寅. 受控双向远程量子控制[J]. 计算机工程与应用, 2020, 56(9): 117-124.
[5]	封雪梅，张志毅，杨龙. 分形维数的全局点云初始配准算法[J]. 计算机工程与应用, 2020, 56(5): 234-241.
[6]	曾舒磊，李学华，潘春雨，王亚飞，赵中原. 雾无线接入网中基于神经网络的资源分配方案[J]. 计算机工程与应用, 2020, 56(24): 78-84.
[7]	沈潇童，毕卉，王苏弘，李文杰，邹凌. 抑郁症患者脑电导联选择算法及分类研究[J]. 计算机工程与应用, 2020, 56(22): 154-159.
[8]	袁炜，于瀛，唐聃. RS柯西码编码算法改进研究[J]. 计算机工程与应用, 2020, 56(11): 83-89.
[9]	刘笑辰，高媛媛，奚和平，周密. 安全能量效率优化的传感器网络传输研究[J]. 计算机工程与应用, 2019, 55(21): 122-128.
[10]	董慧1，2，姜瑛1，2，杨洋1，2. APP软件性能效率研究[J]. 计算机工程与应用, 2019, 55(10): 45-52.
[11]	刘博1，2，刘建东1，陈飞1，2，胡辉辉1，2，张世博1. 整数动态耦合帐篷映射优化设计与性能分析[J]. 计算机工程与应用, 2018, 54(21): 163-169.
[12]	兰小丽1，刘洪星1，2，姚寒冰1，2. 基于纹理块与梯度特征的图像修复改进算法[J]. 计算机工程与应用, 2018, 54(20): 172-177.
[13]	吴姗，韩晓龙，刘婵娟，胡志华. 基于复杂网络的全球海运网络脆弱性分析[J]. 计算机工程与应用, 2018, 54(15): 249-254.
[14]	张娜1，林青霞1，包晓安1，吴彪2，张唯1. 基于OTT策略的组合测试用例优先级排序方法[J]. 计算机工程与应用, 2018, 54(13): 41-46.
[15]	何业锋. 免疫集体噪声的量子密钥协商协议[J]. 计算机工程与应用, 2018, 54(10): 26-30.