![](/user_photo/_userpic.png)
книги из ГПНТБ / Григоркина Р.Г. Прикладные методы корреляционного и спектрального анализа крупномасштабных океанологических процессов
.pdfпость в ряде случаев выделения детерминированных составляю щих океанологических процессов. Детерминированные функции можно считать частным случаем случайных функций, о б л а д а ю щих одномерным распределением, при котором функция в фик сированный момент времени во всех реализациях принимает од
но н то |
ж е значение. Т а к а я постановка вопроса |
позволяет |
выра |
ботать |
единый подход к детерминированным и |
случайным |
про |
цессам, не р а з д е л я я их при эмпирическом анализе. Случайные процессы, все вероятностные характеристики которых не изме
няются при |
изменении начала отсчета времени и зависят только- |
от разности |
моментов времени, называют строго стационар |
ными случайными процессами или стационарными в узком смысле.
В корреляционной и спектральной теории случайных процес сов используется менее строгое определение стационарности. Случайные процессы, математическое ожидание и дисперсия, которых постоянны, а значения корреляционной функции зависят
только |
от временного сдвига, |
называют слабо стационарными |
или стационарными в широком |
смысле. Д л я нормальных стацио |
|
нарных |
процессов, т. е. для случайных процессов, /г-мерная плот |
ность вероятности которых подчиняется закону (Гаусса, матема тическое ожидание и корреляционная функция являются исчер пывающими характеристиками процесса.
Таким образом, по зависимости вероятностных характери стик случайных процессов от начала отсчета времени м о ж н о вы
делить стационарные и |
нестационарные |
случайные |
процессы. |
||
В а ж н ы м |
классом |
стационарных случайных |
процессов |
я в л я ю т с я |
|
стационарные эргодические процессы, характеризующиеся тем, |
|||||
что среднее по множеству |
(ансамблю), равно среднему по време |
||||
ни (более |
точно совпадает с вероятностью равной |
единице) . |
|||
Д р у г и м и |
словами, |
вероятностные характеристики д л я |
различ |
ных выборочных функций одинаковы. Свойство эргодичности
чрезвычайно |
в а ж н о в практическом отношении, так |
к а к |
позво |
||
ляет |
вместо |
трудновыполнимой задачи получения |
эквивалент |
||
ного по условиям эксперимента множества |
реализаций опериро |
||||
вать |
с одной |
достаточно продолжительной |
реализацией . |
Хотя |
из физических соображений часто можно предполагать эргодич
ность исследуемого процесса, |
доказать это бывает очень трудно . |
В дальнейшем мы будем исходить из предположения, что ис |
|
следуемые океанологические |
процессы являются стационарными |
эргодическими случайными |
процессами. С помощью тех или |
иных операций будем стремиться в тех случаях, когда это воз
можно, привести процессы к стационарному |
виду, имея в |
виду, |
что при невыполнении эргодического условия |
среднее по |
време |
ни не характеризует интересующий нас процесс в целом, а опи сывает только свойства рассматриваемой реализации . Условия стационарности и эргодичности при эмпирическом анализе ч а щ е всего приходится проверять постфактум.
10
•При этом следует иметь в виду, что условия стационарности в реальных процессах могут выполняться только с тем или иным приближением, так ка к физические процессы, в том числе и про цессы в океане, всегда имеют некоторую «динамику» развития. Использование теории нестационарных случайных функций в прикладных методах анализа сталкивается со значительными трудностями, обусловленными сложностью и громоздкостью ее приложения . Возникает проблема использования аппарата тео рии стационарных случайных процессов дл я описания заведомо нестационарных процессов. Это возможно для определенных
классов |
нестационарных процессов, |
которые |
могут быть |
выде |
||
л е н ы по |
энергии |
и мощности |
этих |
процессов |
(Малахов, |
1968). |
П е р в а я группа |
включает |
процессы, полная |
энергия которых |
|||
при бесконечных пределах интегрирования конечна |
|
|||||
|
|
со |
|
|
|
|
|
|
Ех= j x 2 ( 0 d i < o o . |
|
(1.1) |
||
|
|
—оо |
|
|
|
iKo второй группе относятся процессы, у которых энергия бес конечна, а мощность — конечная величина
+т
S x = l i m - £ = - J x a ( * ) < f t . |
(1.2) |
Это процессы, ординаты которых не о б р а щ а ю т с я в тождествен
ный |
нуль при |
безграничном возрастании |
продолжительности |
||||
процесса. К этой |
группе относятся |
п р е ж д е всего все |
стационар |
||||
ные |
процессы, периодические процессы, в том числе |
гармониче |
|||||
ские колебания, постоянная величина и т. п. |
|
|
|||||
К |
третьей |
группе |
п р и н а д л е ж а т |
процессы, |
не удовлетворяю |
||
щие |
условиям |
(1.1) и |
(1J2) (импульсные процессы, быстро зату |
||||
х а ю щ и е процессы и другие нестационарные |
процессы) . |
||||||
Н е с м о т р я |
на то, что процессы первой группы нестационарны, |
||||||
а вторая группа |
включает ка к стационарные, та к и нестационар |
ные процессы, корреляционные функции процессов обеих групп о б л а д а ю т свойствами корреляционных функций стационарных случайных процессов. В частности, косинус-преобразование Фу рье от корреляционных функций дл я процессов первой группы
дает |
спектральную плотность |
энергии, |
а д л я процессов |
второй |
|||
группы — спектральную |
плотность мощности. Это |
справедливо |
|||||
к а к дл я случайных, та к и дл я детерминированных |
процессов. |
||||||
Таким образом, дл я процессов первой |
и второй групп существу |
||||||
ет независимая |
от времени |
функция |
спектральной |
плотности. |
|||
Д л я |
процессов |
третьей |
группы м о ж н о |
поставить т а к ж е |
вопрос |
о существовании спектральной плотности дл я тех частот, на ко
торых мощность процесса отлична от |
бесконечности (Малахов, |
||
1968). |
|
|
|
Таким образом, р а с с м а т р и в а е м ы е |
в |
книге |
прикладные мето |
д ы корреляционного и спектрального |
анализа |
стационарных про- |
11
цессов могут быть т а к ж е использованы при исследовании неко торых классов нестационарных процессов, в том числе детерми нированных, гармонических, полигармонических и квазиперио дических процессов (см. гл. I I I ) .
Эмпирические методы определения вероятностных характери стик случайных процессов основаны на законе больших чисел. В соответствии с этим законом, при большом числе опытов, ве роятности событий могут быть заменены соответствующими ча стотами, а математические ожидания случайных величин — их средними арифметическими значениями.
П р и ограниченной длине реализаций случайного процесса его вероятностные характеристики не могут быть точно определены по результатам опыта, возможн а только их оценка. Оценкой в математической статистике называют всякую функцию резуль татов опытов, которая принимается за искомую вероятностную характеристику . Вычисленные оценки являются случайными ве личинами или случайными функциями, распределение вероятно стей которых называется выборочным распределением и зависит от репрезентативности и продолжительности реализаций, от упрощающих предположений, принятых в избранном методе расчета, и, наконец, от характерных особенностей самого про цесса. Получение достоверных оценок является одним из цент
ральных вопросов вероятностного анализа данных |
наблюдений . |
|||||
Этой проблеме посвящена |
обширная литература . |
|
|
|
||
Оценки д о л ж н ы удовлетворять |
определенным |
требованиям . |
||||
1. Оценка а г |
д о л ж н а |
быть состоятельной, т. е. д о л ж н а |
схо |
|||
диться по вероятности Р к оцениваемой величине |
а при |
неогра |
||||
ниченном увеличении длины анализируемой реализации |
Ти |
|
||||
|
l i m P ( | a r - f l | < e ) = l , |
|
(1-3) |
|||
где е —• наперед з а д а н н а я м а л а я |
величина. |
|
|
|
||
2. О ц е н к а д о л ж н а быть несмещенной. Несмещенной |
оценкой |
|||||
называют такую оценку, математическое ожидание |
которой |
р а в |
||||
но оцениваемой |
величине |
|
|
|
|
|
|
|
М(ат)=а. |
|
|
(1.4> |
|
Если это условие достигается только при Тп—>-оо, |
то оценка |
н а |
||||
зывается асимптотически |
несмещенной |
|
|
|
||
|
l i m M ( a r ) = a . |
|
(1-5)> |
•3. Оценки д о л ж н ы быть наилучшими по отношению к другим оценкам в том смысле, чтобы их рассеивание относительно оце ниваемой величины было наименьшим . Если в качестве м е р ы рассеивания принять дисперсию оценки, то оценку с наимень шей дисперсией называют оптимальной. Отношение оптимальной дисперсии к дисперсии принятой оценки характеризует э ф ф е к -
12
тивность |
оценки. |
Если |
при увеличении длины реализации |
эффек |
||
тивность |
оценки |
стремится к единице, то |
т а к а я оценка |
называ |
||
ется асимптотически |
эффективной. Д л я |
случайных |
процессов |
|||
качество оценки может |
быть определено не только по |
отношению |
к оптимальной дисперсии, но и по отношению к дисперсии само го процесса. Отношение дисперсии оценки к дисперсии процесса называют показателем эффективности. Чем меньше этот показа тель, тем меньше дисперсия и тем эффективнее оценка.
Когда выборочное распределение оценки известно, м о ж н о найти доверительный интервал, в котором с заданной степенью достоверности '(доверительной вероятности) будет находиться оценка малого параметра . М е т о д ы определения доверительных интервалов и проверки статистических гипотез в большинстве случаев основаны на предположении о том, что реализации, из которых извлекаются выборки, подчиняются нормальному зако ну. Это ограничение часто оказывается весьма существенным. З а к о н ы распределения океанологических характеристик обычно отличаются от нормального. Выборочное распределение самих оценок статистических характеристик в океане изучено еще очень
мало . Исключение, вероятно, составляют исследования ветрово |
|
го волнения. В связи с этим перспективными представляются |
ме |
тоды оценивания, не з а в и с я щ и е от формы распределения, |
т а к |
называемые непараметрические методы. |
|
§ 2. Автокорреляционная функция как характеристика внутренней структуры процесса
во временной области
К а к |
отмечалось |
в § 1, из-за |
трудностей определения много |
мерных |
законов |
распределения |
океанологических процессов |
обычно ограничиваются изучением лишь моментных функций первых двух порядков: начальной моментной функции первого порядка, центральной моментной функции второго порядка и
центральной |
смешанной моментной |
функции |
второго |
порядка . |
|||
Н а ч а л ь н а я моментная |
функция первого порядка является |
мате |
|||||
матическим |
ожиданием |
случайного |
процесса |
|
|
|
|
|
|
|
mi(t)=M[X(t)], |
|
|
|
(2.1) |
где М — символ |
математического ожидания, |
X(t)—случайный |
|||||
процесс. |
|
|
|
|
|
|
|
Ц е н т р а л ь н а я |
моментная функция |
второго |
порядка, |
или |
дис |
персия, является мерой разброса ординат случайного процесса
вокруг его математического о ж и д а н и я |
и определяется следую |
||
щим |
соотношением |
|
|
|
|
D[X(t)]=M[X{t)-mi(t)]\ |
(2.2) |
где |
D[X(t)] |
— дисперсия случайного |
процесса. |
13
Оценки математического о ж и д а н и я и дисперсии широко при меняются при описании свойств океанологических процессов. В частности, оценки математического ожидания океанологиче ских характеристик используются при составлении атласов, на
вигационных |
пособий |
и т. |
д. Однако математическое |
ожидание |
и дисперсия |
не содержат |
информации о внутренней |
структуре |
|
процесса. Процессы |
могут |
иметь одинаковые математические |
о ж и д а н и я и дисперсии, но различную внутреннюю структуру и различный характер протекания во времени, обусловленные кон кретными особенностями р е ж и м а отдельных районов Мирового океана. Например, в динамически активных районах темпера турные условия быстро изменяются и могут быть не связаны с предысторией.
Д л я характеристики быстроты изменения случайных океано логических процессов, их внутренней структуры служит цент р а л ь н а я смешанная моментная функция второго порядка — ав токорреляционная функция, которая определяется следующим образом:
ti)=M{[Xit1)-ml{tl)][X{t2)-ml{t2)]}. (2.3)
Автокорреляционная функция и математическое ожидание полностью определяют статистические закономерности случай
ного стационарного процесса |
в том случае, если распределение |
|||
ординат этого процесса подчиняется нормальному закону. |
З н а я |
|||
оценку автокорреляционной |
функции, |
можно |
решить широкий |
|
круг задач, связанных с исследованием |
и прогнозированием |
из |
||
менчивости океанологических |
условий. >К числу |
этих" з а д а ч отно |
сятся, в частности, следующие: характеристика линейной зави симости настоящего от предыстории, т. е. определение устойчи вости во времени ординат процесса; определение интервалов корреляции; количественная оценка интенсивности колебаний; определение средней величины изменения исследуемой океано логической характеристики за фиксированный промежуток вре мени; вычисление коэффициентов линейного экстраполяциоппого уравнения и оценка длительности надежного экстраполирова ния; выявление скрытых периодичиостей; вычисление' оценки спектральной плотности.
Решение этих з а д а ч играет существенную роль в разработке физически обоснованных и статистически оправданных методов прогноза. Удачные опыты прогноза океанологических условий с помощью методов линейной экстраполяции случайных функций (Беляев, Болдырев, 1963; Овсянникова, 1967; Дмитриева, 1968) позволяют надеяться, что эти методы получат широкое распро странение. Это приводит к необходимости подробного исследова ния автокорреляционных функций различных океанологических процессов.
Д л я стационарного эргодического случайного процесса оцен ка автокорреляционной функции находится осреднением парных произведений ординат процесса
14
|
|
|
/?*(т) = |
- r ^ r J |
x(t)x(t+r)dt, |
|
|
(2.4) |
||||
где |
(т) — |
оценка |
истинного |
значения |
автокорреляционной |
|||||||
функции; |
x(t) |
•—центрированная |
|
реализация |
процесса; |
[О, Тп\ |
— |
|||||
интервал |
времени, на котором |
з а д а н а реализация процесса (про |
||||||||||
должительность наблюдении); |
|
т — временной сдвиг, |
изменяю |
|||||||||
щийся |
в |
пределах от |
0 |
до |
т т ; |
т,„ — м а к с и м а л ь н а я |
величина |
ин |
||||
тервала |
х, д л я которого вычисляется оценка функции |
автокор |
||||||||||
реляции |
'(максимальный |
сдвиг |
автокорреляционной |
функции) . |
||||||||
В |
случае |
дискретизации исходной реализации |
(квантовании |
по времени) вычисление автокорреляционной функции осущест
вляется по |
формуле |
|
|
|
|
|
|
|
|
|
|
|
|
|
R i < ш ) |
= - ^ ^ а м ) |
Х [ а + 1 ) м ] , |
|
(2.5) |
||||||
где x(jAt). |
х[(/+/)At] |
— члены |
последовательности |
наблюде |
||||||||
ний; |
jAt—t; |
(j-\-l)At—t-\-x\ |
At— |
интервал |
дискретности; |
N |
— |
|||||
|
|
|
|
|
|
At= |
Т |
/ = 0 , 1 , • • •, m, |
т |
— |
||
число |
членов последовательности; |
—гг-; |
||||||||||
|
|
|
|
|
|
|
Nj |
|
At(N—t)=Tn—x. |
|||
число |
определяемых |
ординат |
оценки |
Ш = т ; |
||||||||
Функции |
(2.4) и |
(2.5) |
называют т а к ж е |
автоковариационны |
||||||||
ми. Как следует из |
(2.4), н а ч а л ь н а я |
ордината |
оценки |
автокор |
||||||||
реляционной |
функции при |
т = 0 |
соответствует |
оценке |
дисперсии |
|||||||
процесса |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
г" |
|
|
|
|
|
|
|
D*=d% |
= R*(0) |
= |
-^-)^(t)dt. |
|
|
|
(2.6) |
Д л я случайных процессов дисперсия является мерой интен сивности колебаний. В связи с развитием представления об из менчивости в океане как о случайном процессе дисперсия или положительное значение квадратного корня из дисперсии — средпеквадратическое отклонение сгЛ- — в настоящее время все бо лее часто применяются д л я количественной оценки отклонений процесса от среднего значения, заменяя, таким образом, исполь зовавшуюся ранее характеристику детерминированных периоди ческих колебаний •— амплитуду. Д л я случайных периодических процессов дисперсия может быть сопоставлена с амплитудой ко лебаний следующим образом:
У к а ж е м на основные свойства автокорреляционной функции.
15
1. Д л я стационарного случайного процесса автокорреляцион ная функция четная, т. е.
Д * ! ( т ) = Я * ( — г ) .
2. |
Если |
в |
процессе |
присутствует |
периодическая |
составляю |
|||||||
щ а я , |
то |
ее |
период |
сохраняется в |
автокорреляционной |
функции. |
|||||||
Н а этом |
свойстве основаны способы выявления |
скрытых |
перио- |
||||||||||
дичностей |
по R^(x) |
(подробнее |
см. гл. I l l , § I ) . |
при хфО |
|
|
|||||||
3. |
Ординаты автокорреляционной |
функции |
|
по мо |
|||||||||
дулю не больше дисперсии случайного |
процесса |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
• |
|
|
|
|
4. |
Д л я |
случайного |
эргодического |
стационарного |
процесса |
||||||||
выполняется |
условие |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
Дл;(т) -»-0 |
при |
| t | |
->-оо. |
|
|
|
('2.8) |
|
И л и при конечных пределах интегрирования в (2.4) |
|
|
|
||||||||||
|
|
|
|
|
# * ( т ) - » - е |
при |
т - ^ т Я . |
|
|
|
|
||
|
|
|
|
|
х 4 |
' |
г |
|
кор |
|
|
|
|
где х№ |
— и н т е р в а л |
корреляции; |
е — некоторое малое |
число. |
|||||||||
Обычно |
принимают |
е ^ 0 , 0 5 / ? * |
(0). |
|
|
|
|
|
|
||||
З а т у х а н и е |
оценки £!*|(т) является |
обязательным, |
но |
|
н е д о с |
таточным признаком эргодического стационарного процесса. Так,
например, |
д л я реализации заведомо нестационарного |
процес |
|||
с а — затухающего |
колебания — функция |
R* (т) будет |
т а к ж е |
||
асимптотически приближаться к нулю при |
увеличении |
сдвига т. |
|||
Т а к будет |
вести |
себя автокорреляционная |
функция |
инерцион |
ных колебаний, вызванных единичным импульсом внешнего воз действия.
В о многих случаях вместо автоковариациоиной функции удобнее пользоваться нормированной автокорреляционной функ цией
Фиксированные значения гх(х) являются парными коэффициен т а м и линейной автокорреляции. Коэффициент автокорреляции может изменяться в пределах ± 1 , 0 и характеризует линейную связь двух значений процесса. Таким образом, коэффициент ав токорреляции является безразмерным показателем зависимости настоящего от предыстории.
П о известной оценке автокорреляционной функции м о ж н о
определить |
среднюю |
разность |
ординат случайного |
процесса в |
различные |
моменты |
времени. |
Д л я стационарного |
случайного |
16
процесса с нормальным распределением эта разность рассчиты вается по формуле
|
Ax=y2Dx[l-rxixi)], |
|
|
|
(2.10) |
где |
Тг — в р е м е н н о й сдвиг, соответствующий |
фиксированному |
|||
промежутку времени м е ж д у ординатами процесса. |
|
||||
|
Д л я характеристики временного |
сдвига, |
на котором |
происхо |
|
дит |
затухание автокорреляционой |
функции, |
в |
практике |
анализа |
стационарных случайных процессов вводится понятие интервала корреляции . И н т е р в а л корреляции является мерой протяженно сти линейной связи между ординатами процесса. Наиболее рас пространено следующее определение интервала корреляции (Ро - маненко, Сергеев, 1968):
со |
|
|
" С = I Ы т ) К т . |
(2.11) |
|
о |
|
|
О р д и н а т ы процесса, разделенные интервалом, |
большим |
. |
м о ж н о считать некоррелированными, поэтому т<|>р |
иногда |
назы |
вают максимальным или абсолютным интервалом корреляции. Определение максимального интервала' корреляции представля ет интерес при оценке возможной длительности экстраполирова ния случайных океанологических процессов. Очевидно, что эк страполяция на время, большее т<|) . не имеет смысла. Макси мальный интервал корреляции м о ж е т быть отождествлен с ха рактерным временным масштабом физического процесса. В част ности, в теории турбулентности максимальный интервал кор
реляции |
принимается |
за |
интегральный масштаб турбулентности. |
||
П р и |
исследовании |
стационарных случайных |
процессов |
широ |
|
ко используется т а к ж е |
другое определение |
интервала |
корре |
||
л я ц и и |
|
|
|
|
|
со
о
Это определение применяется, в частности, при характеристике эффективности оценок автокорреляционной функции. Величина
.т<9 . ка к |
правило, |
не превышает временного сдвига, соответст |
|
вующего |
первому |
пересечению |
автокорреляционной функции |
оси т. Интервалы |
т<!> и т Я р связаны м е ж д у собой следующим |
||
соотношением (Романенко, Сергеев, 1968): |
|||
|
|
кор |
кор |
2 Зак. 11821 |
17 |
|
В качестве |
некоторой |
приблизительной оценки максимально |
||||
го интервала |
корреляции |
может быть принят |
временной |
сдвиг |
||
т,-, начиная с |
которого \г* |
(т) | ^0,05 . Д л я широкого класса |
ста |
|||
ционарных случайных процессов с нормальным |
распределением |
|||||
величину т[Ц . как показали |
Ю . Л . Клоков и Л . В. Ж у р а в л е в |
|||||
(1965), можно определить непосредственно по |
реализации |
про |
||||
цесса, пользуясь следующей |
зависимостью: |
|
|
|||
|
|
т<" |
= |
— . |
(2.13) |
|
где п 0 — среднее число пересечений случайным |
процессом |
нуле |
вого уровня за единицу времени. Среднее число пересечений подсчитывается на интервале, в котором содержится ие менее 50—70 нулей.
З а д а ч а определения интервалов корреляции существенно об легчается, если известно аналитическое выражение, аппроксими рующее автокорреляционную функцию исследуемого процесса. Аналитическая аппроксимация, кроме того, может быть исполь
зована дл я решения |
многих других задач, в |
которых |
требуется |
с ж а т а я информация |
об автокорреляционной |
функции |
(напри |
мер, при аналитическом определении функции спектральной плотности, в прогностических уравнениях и т. д . ) .
Широкий класс физических процессов, в том числе, гидроме
теорологических, |
описывается |
автокорреляционными |
функциями |
||||
типа |
|
|
|
|
|
|
|
|
|
R x j { r ) = = D x e - a u i t |
|
(2.14) |
|||
|
Rx(T)=Dxe-*^cosfiT, |
|
|
(2.15) |
|||
где а ' — к о э ф ф и ц и е н т |
затухания; |
(5 — частота колебания авто |
|||||
корреляционной |
функции. |
|
|
|
|
|
|
Подставив их нормированные значения в (2.11) и (2.12), по |
|||||||
лучим (Романенко, Сергеев, |
1968) |
|
|
|
|||
|
Т (1) |
|
|
Т (2) |
= - |
L ; |
(2.16) |
|
Т КОР |
о |
' |
1 к о р |
2 а |
|
+ 2 е |
^ +е 2 , 1 ) ] ; |
(2Л7> |
|
2 а 2 + | 3 2 |
|
К ° Р |
4 а ( а 2 + Р 2 ) |
|
где ц=
18
Н а и б о л ее точным методом определения параметров аппрок симации является метод наименьших квадратов . Однако во мно гих случаях можно ограничиться более простыми способами, основанными на определении параметров аппроксимации по не скольким характерным точкам автокорреляционной функции. В частности, а и р могут быть рассчитаны следующим образом:
|
|
|
2 |
In г* |
( Ш ) |
|
|
|
|
|
(=0 |
|
|
|
|
|
|
|
|
; |
; |
|
(-2.18) |
|
|
|
|
2 ^ |
|
|
|
|
|
|
|
Л = 0 |
|
|
|
|
|
^ ^ r ^ T f k ' |
Р = ^ Г ' |
|
( 2 1 9 ) |
||
где |
Ху — временной |
сдвиг, |
соответствующий первому |
пересече |
|||
нию автокорреляционной функцией |
оси т; Тг — временной сдвиг, |
||||||
на |
котором отмечается б л и ж а й ш и й |
к t i экстремум |
функции ав |
||||
токорреляции . |
|
|
|
|
|
||
|
П о |
(2.1в) определяется |
коэффициент а при аппроксимации |
||||
оценки |
автокорреляционной |
функции затухающей |
экспонентой. |
||||
П о |
(2.19) находятся |
параметры п и |
(3 при аппроксимации затуха |
||||
ющей |
косинусоидой |
(Кондрашихин, |
1969). Часто д л я |
аппрокси |
мации затухающих автокорреляционных функций применяют вместо (2.15) следующее выражение:
#*(т) = |
A v e - « h l ( cos р т + - у - s i n рт ) . |
.(2.20) |
В отличие от (2.15) |
аппроксимация (Й.20) характеризует авто |
корреляционную функцию дифференцируемого случайного про
цесса. |
П а р а м е т р ы а |
и р |
в случае аппроксимации (2.20) |
нахо |
||
д я т с я |
ка к |
|
|
|
|
|
|
|
2.\Xi—Ti) |
Т3 — Ti |
|
|
|
где x-i — временной |
сдвиг второго пересечения оси -г |
автокорре |
||||
ляционной функцией (Свешников,. 1968). |
|
|
|
|||
Выбор оптимального |
аналитического |
в ы р а ж е н и я |
представ |
|||
л я е т самостоятельную |
задачу автокорреляционного |
анализа . |
||||
Применение простых |
аппроксимаций вида |
(2.14), (2.15) и |
(2.20) |
к автокорреляционным функциям крупномасштабных океаноло гических процессов не всегда приводит к удовлетворительным результатам . Лучшей сходимости аппроксимирующей кривой с
2* |
19 |