利用递归网络发现真实世界时间序列中的亚稳态

在基于递归网络的时间序列分析框架下，我们引入了一种自适应方法，用于确定难以捉摸的递归阈值，并识别复杂真实世界时间序列中的亚稳态。作为初始步骤，我们提出了一种设定嵌入参数的方法，这些参数用于从时间序列重构状态空间；我们将这些参数设定为在递归率和香农熵首次同时达到最小值时能产生最大香农熵的参数。为了识别亚稳态及其之间的跃迁，我们使用了一种专为系统表现出亚稳性情况而开发的软划分模块发现算法。我们通过两个复杂时间序列实例说明了我们的方法。最后，我们展示了该方法在识别亚稳态方面的鲁棒性。结果表明，即使在引入显著水平的噪声和缺失数据点的情况下，我们的方法在识别复杂时间序列中的亚稳态方面依然具有鲁棒性。