非平稳信号的重分形DCCA理论及其在交通状态预报上的应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61071142
  • 项目类别:
    面上项目
  • 资助金额:
    33.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0111.信号理论与信号处理
  • 结题年份:
    2013
  • 批准年份:
    2010
  • 项目状态:
    已结题
  • 起止时间:
    2011-01-01 至2013-12-31

项目摘要

随着应用的深入和拓展,以趋势消除波动分析为基础的重分形交叉相关分析技术已逐渐成为人们进行信息提取、信息处理、信息表现研究中最常用的工具之一。对此技术涉及的基础理论、模型算法、参数估计的研究已刻不容缓。针对其迫切需要解决的关键科学问题,本项目以非线性时间序列理论、最优化理论、函数逼近论为基础,旨在揭示非平稳信号间重分形交叉相关性的生成机理,探讨信号的趋势对重分形交叉相关性的影响,阐明信号的自相关标度指数与它们重分形交叉相关标度指数之间的相互关系,建立系统化的模型和优化算法以准确计算重分形交叉相关标度指数,构造体系化的非平稳信号交叉相关性判别方法以推断其重分形特征。力求在理论与方法上有新的突破,着重解决重分形交叉相关分析技术中的瓶颈问题。最后,我们尝试将其应用在城市交通状态预报方面,为建立先进的智能化城市交通管理控制策略和技术奠定坚实的理论基础。

结项摘要

随着应用的深入和拓展,以趋势消除波动分析为基础的重分形交叉相关分析技术已逐渐成为人们进行信息提取、信息处理、信息表现研究中最常用的工具之一。对此技术涉及的基础理论、模型算法、参数估计的研究已刻不容缓。针对其迫切需要解决的关键科学问题,本项目以非线性时间序列理论、最优化理论、函数逼近论为基础,揭示了非平稳信号间重分形交叉相关性的生成机理,探讨了信号的趋势对重分形交叉相关性的影响,阐明了信号的自相关标度指数与它们重分形交叉相关标度指数之间的相互关系,建立了系统化的模型和优化算法以准确计算重分形交叉相关标度指数,构造了体系化的非平稳信号交叉相关性判别方法以推断其重分形特征。我们在理论与方法上有新的突破,着重解决了重分形交叉相关分析技术中的瓶颈问题。最后,我们尝试了将其应用在城市交通状态预报方面,为建立先进的智能化城市交通管理控制策略和技术奠定了坚实的理论基础。在过去三年里,我们按计划如期进行,顺利解决了各关键科学问题,完成了各项预定目标。2010年以来,项目组成员在国内外核心期刊发表相关的标注本项目号论文25篇,其中SCI检索论文23篇,另外又投稿论文10余篇,其中已接受6篇。

项目成果

期刊论文数量(25)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Estimation of local scale exponents for heartbeat time series based on DFA
基于DFA的心跳时间序列局部尺度指数估计
  • DOI:
    10.1007/s11071-013-1033-2
  • 发表时间:
    2013-09
  • 期刊:
    Nonlinear Dyn
  • 影响因子:
    --
  • 作者:
    Jianan Xia,Pengjian Shang, JingWang
  • 通讯作者:
    Jianan Xia,Pengjian Shang, JingWang
MULTISCALE ENTROPY ANALYSIS OF FINANCIAL TIME SERIES
金融时间序列的多尺度熵分析
  • DOI:
    10.1142/s0219477512500332
  • 发表时间:
    2012-12-01
  • 期刊:
    FLUCTUATION AND NOISE LETTERS
  • 影响因子:
    1.8
  • 作者:
    Xia, Jianan;Shang, Pengjian
  • 通讯作者:
    Shang, Pengjian
A NEW TRAFFIC SPEED FORECASTING METHOD BASED ON BI-PATTERN RECOGNITION
一种基于双模式识别的交通速度预测新方法
  • DOI:
    10.1142/s0219477511000405
  • 发表时间:
    2011-03-01
  • 期刊:
    FLUCTUATION AND NOISE LETTERS
  • 影响因子:
    1.8
  • 作者:
    Wang, Jing;Shang, Pengjian;Zhao, Xiaojun
  • 通讯作者:
    Zhao, Xiaojun
Multifractal Fourier detrended cross-correlation analysis of traffic signals
交通信号的多重分形傅里叶去趋势互相关分析
  • DOI:
    10.1016/j.physa.2011.06.018
  • 发表时间:
    2011-10
  • 期刊:
    Physica A: Statistical Mechanics and Its Applications
  • 影响因子:
    --
  • 作者:
    Xiaojun Zhao;Pengjian Shang;Aijing Lin;Gang Che
  • 通讯作者:
    Gang Che
二次半定规划的原始对偶预估校正内点算法
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    北京交通大学学报
  • 影响因子:
    --
  • 作者:
    黄静静;商朋见;王爱文
  • 通讯作者:
    王爱文

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

商朋见的其他基金

非平稳信号的多尺度鞅差距离相关性研究
  • 批准号:
    62171018
  • 批准年份:
    2021
  • 资助金额:
    57.00 万元
  • 项目类别:
    面上项目
非平稳信号的多尺度鞅差距离相关性研究
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    57 万元
  • 项目类别:
    面上项目
非平稳信号高阶矩的多尺度大偏差谱研究
  • 批准号:
    61771035
  • 批准年份:
    2017
  • 资助金额:
    62.0 万元
  • 项目类别:
    面上项目
非平稳信号的MFDCCA大偏差研究
  • 批准号:
    61371130
  • 批准年份:
    2013
  • 资助金额:
    80.0 万元
  • 项目类别:
    面上项目
非平稳时间序列的重分形DFA理论及其在交通堵塞预警上的应用
  • 批准号:
    60772036
  • 批准年份:
    2007
  • 资助金额:
    27.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码