论文部分内容阅读
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。