简介:常规Hilbert-Huang变换法中固有模态函数分量包含太宽的频率范围,且在低频区域会产生错误的频谱特征,不能分离出低能量信号成分,为克服常规方法存在的问题,须将小波分解法与Hilbert-Huang变换法相结合.首先利用小波分解方法将地震数据分解成窄带信号,然后进行经验模态分解,基于小波分解的Hilbert-Huang变换方法充分发挥两种时频分析方法的优势,有利于提高时频分析和瞬时属性提取的精度.将改进的Hilbert-Huang变换方法应用到模拟信号和实际地震数据处理中,时频分析和地震属性提取结果表明,二维时频谱具有较好的时频分辨率,瞬时地震属性具有明确的物理意义,在断层预测和储层精细描述中具有较高的应用价值.
简介:统计建模和统计检验是统计分析中极为重要的内容,它们往往都要求样本数据满足一定的条件。比如,统计建模是以服从某种概率分布的样本观测数据为基础,通过估计得到的;统计检验要求样本数据满足随机性、独立性、正态性、方差齐性等条件,并且要验证待处理的样本数据是否满足这些条件,只有满足要求的条件,得到的结论才是有效而可靠的。当条件不满足时,需对待处理的原始样本数据进行适当的变换。这些工作对统计分析具有十分重要的作用,却被以往的研究所忽视,本文拟对与此相关的问题作进一步的探讨。一、ARMA模型对数据序列的平稳性要求条件及其数据变换ARMA模型是时序模型中最常用的模型,并在统计模型中占有重要的位置。建立ARMA