权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

System Identification and Data Modelling of Complex Nonlinear and Nonstationary Processes

复杂非线性和非平稳过程的系统辨识和数据建模

基本信息

批准号：
EP/I011056/1
负责人：
Hua-Liang Wei
金额：
$ 12.87万
依托单位：
University of Sheffield
依托单位国家：
英国
项目类别：
Research Grant
财政年份：
2011
资助国家：
英国
起止时间：
2011 至无数据
项目状态：
已结题

来源：
https://gtr.ukri.org/projects?ref=EP%2FI011056%2F1
关键词：
System Identification Data Modelling Complex

项目摘要

Many real-world systems in engineering and science are inherently nonlinear and nonstationary in nature. However, the analysis and modelling techniques commonly used to study many types of typically complex nonlinear and nonstationary processes often assume linearity and stationarity. Conventional signal processing techniques include non-parametric approaches (e.g. statistics and power spectral estimation) and linear parametric modelling approaches (e.g. linear time-invariant and simply time-varying models). It has been noticed that complex signals may contain hidden information which cannot be sufficiently revealed and characterised by using traditional analysis methods. This project is primarily aimed to investigate, adapt and develop system identification and data modelling methods and algorithms for the analysis of nonlinear and nonstationary complex dynamical processes in the time, frequency, time-frequency and spatio-temporal domains.

在工程和科学中，许多现实世界的系统本质上是非线性和非平稳的。然而，通常用于研究许多类型的典型复杂的非线性和非平稳过程的分析和建模技术往往假设线性和平稳性。传统的信号处理技术包括非参数方法（例如统计和功率谱估计）和线性参数建模方法（例如线性时不变和简单时变模型）。人们已经注意到，复杂的信号可能包含隐藏的信息，不能充分揭示和使用传统的分析方法的特点。该项目的主要目的是研究、调整和开发系统识别和数据建模方法和算法，用于分析时间、频率、时频和时空域中的非线性和非平稳复杂动态过程。

项目成果

期刊论文数量（10）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

A century of variation in the dependence of Greenland iceberg calving on ice sheet surface mass balance and regional climate change.

DOI：
10.1098/rspa.2013.0662
发表时间：
2014-06-08
期刊：
Proceedings. Mathematical, physical, and engineering sciences
影响因子：
0
作者：
Bigg GR;Wei HL;Wilton DJ;Zhao Y;Billings SA;Hanna E;Kadirkamanathan V
通讯作者：
Kadirkamanathan V

Handling missing data in multivariate time series using a vector autoregressive model based imputation (VAR-IM) algorithm: Part I: VAR-IM algorithm versus traditional methods

使用基于向量自回归模型的插补 (VAR-IM) 算法处理多元时间序列中的缺失数据：第 I 部分：VAR-IM 算法与传统方法

DOI：
10.1109/med.2016.7535976
发表时间：
2016
期刊：
影响因子：
0
作者：
Bashir F
通讯作者：
Bashir F

Nonlinear model structure detection and parameter estimation using a novel bagging method based on distance correlation metric

DOI：
10.1007/s11071-015-2149-3
发表时间：
2015-05
期刊：
Nonlinear Dynamics
影响因子：
5.6
作者：
J. R. Ayala Solares;Hua-Liang Wei
通讯作者：
J. R. Ayala Solares;Hua-Liang Wei

Parametric and non-parametric methods to enhance prediction performance in the presence of missing data

DOI：
10.1109/icstcc.2015.7321316
发表时间：
2015-10
期刊：
2015 19th International Conference on System Theory, Control and Computing (ICSTCC)
影响因子：
0
作者：
Faraj A. A. Bashir-Faraj-A.-A.-Bashir-3106601;Hua-Liang Wei
通讯作者：
Faraj A. A. Bashir-Faraj-A.-A.-Bashir-3106601;Hua-Liang Wei

Using Nonlinear Models to Enhance Prediction Performance with Incomplete Data