金属价格的多重小波相干分析与预测

图2显示了原始数据序列，数据序列分别由每个金属的第一个节点（称为趋势部分）和最后一个节点（称为噪声部分）构成，其中第一个和最后一个节点代表数据中的趋势和噪声。图2。原始数据，第一个节点和最后一个节点【钢、铝、铜和锌】3.1。通过小波变换去噪与节点法类似，第一步对每个数据序列进行离散小波变换，再次使用三阶Daubechies小波。然后，研究合适的小波阈值以实现最佳逆小波变换。为此，在所有可能的方法中，选择能提供最佳信噪比（SNR）和峰值信噪比（PSNR）的方法。1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1钢钢钢0，0.996837 0，0 0.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.99686837 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0阈值规格和小波指数的术语。表2显示了所有可能的候选者及其SNR和PSNR值。表2。信噪比和峰值信噪比分析从表2可以看出，最高信噪比和峰值信噪比值适用于光滑绞喉，并适用于每种金属。因此，通过这些阈值进行小波逆变换，得到的时间序列与图3中的原始时间序列一起绘制。图3。原始与去噪时间序列上图向我们展示了阈值设置正确的事实。

由于时间序列是通过节点法和去趋势法获得的，因此下一节将研究四个变量的多小波相干性（MWC）。3.2.  多小波相干性（MWC）虽然部分小波相干性（PWC）是一种类似于偏相关的技术，有助于识别两个时间序列之间产生的小波变换相干性（WTC）。在消除其共同相关性的影响后，MWC有助于在相依变量上寻找多个自变量的结果WTC。