时间序列小波分析时间序列(TimeSeries)是地学研究中经常遇到的问题。在时间序列研究中，时域和频域是常用的两种基本形式。其中,时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析(如Fourier变换)虽具有准确的频率定位功能，但仅适合平稳时间序列分析.然而，地学中许多现象(如河川径流、地震波、暴雨、洪水等)随时间的变化往往受到多种因素的综合影响,大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度结构，具有多层次演变规律.对于这类非平稳时间序列的研究,通常需要某一频段对应的时间信息，或某一时段的频域信息.显然，时域分析和频域分析对此均无能为力。20世纪80年代初，由Morlet提出的一种具有时一频多分辨功能的小波分析(WaveletAnalysis)为更好的研究时间序列问题提供了可能,它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势,并能对系统未来发展趋势进行定性估计.目前,小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域内得到了
