تحلیل سری های زمانی پیچیده به روش های آنتروپی چند مقیاسی و قطع تراز

تحلیل سری زمانی فواصل ضربان قلب به روشهای آنتروپی چند مقیاسی (MSE) و پیچیدگی چند مؤلفه‌ای (MCC)

Multiscale entropy (MSE) is a powerful method for determining the complexity of random time series. In this paper we, investigate the cardiac heart interbeat interval (RR) time series by introducing a new method based on MSE, called multicomponent complexity (MCC) and find clear difference between healthy samples and samples with Congestive heart failure (CHF) disease.

تجزیه و تحلیل سریهای زمانی تصادفی به روش قطع تراز

  Level crossing is a powerful method for analyzing the random time series. In this paper by introducing this method we investigate the beta noises and represent differences between 1/f noise and white noise and also research the cardiac heart interbeat interval (RR) time series and find clear distinctions between healthy samples and samples with Congestive heart failure (CHF) disease.

تجزیه و تحلیل سریهای زمانی تصادفی به روش قطع تراز

روش قطع تراز یک راهکار بسیار سودمند جهت تجزیه و تحلیل سریهای زمانی تصادفی است. ما در این مقاله با معرفی این روش به تحقیق در مورد نوفه های بتا و سریهای زمانی فواصل ضربان قلب 7(rr) پرداخته و تمایز قابل توجهی را بین نوفه l/f و نوفه سفید و همچنین قلب سالم و بیماری نارسایی قلبی 3(chf)نشان می دهیم.

سری های زمانی و شبکه های پیچیده

نظریه شبکه ها روشی دیگر برای بررسی سامانه های پیچده است. در این روش اجزاء سامانه به صورت گره و برهم کنش هر دو جزء را با پیوندی میان گره های مریوط به آن ها نشان می دهیم. برای هر شبکه می توان کمیت های بزرگ مقیاس یا توپولوژیک تعریف کرد که اطلاعاتی راجع به حالت کلی شبکه در اختیار ما می گذارند. مطالعه این کمیت ها به ما کمک می کند تا شناخت از سامانه مورد بررسی خود پیدا کنیم. بررسی چنین سامانه هایی به...

تحلیل و پیش بینی نوسانات تراز آب دریای خزر با استفاده از مدل های استوکستیک سری زمانی

Forecasting of sea level fluctuations is a suitable tool for comprehensive management of the sea and the protection of coastal areas. On the other hand, application of time series analysis for forecasting purposes has been evaluated to be very appropriate. Therefore, two time series consisting monthly measured sea level data were used in the present research. The data have been recorded at two ...

پیش بینی متغیر های اقلیمی به کمک تحلیل سری های زمانی حوضه آبخیز زهره