時(shí)間：2023-07-16 08:24:13
序論：在您撰寫敘事分析理論時(shí)，參考他人的優(yōu)秀作品可以開(kāi)闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
1979年，心理學(xué)家薩賓（Sarbin Thcodore R）在美國(guó)心理學(xué)年會(huì)上首次提出“經(jīng)驗(yàn)的敘事結(jié)構(gòu)”的觀點(diǎn)，闡述了敘述對(duì)意義建構(gòu)與人格形成的作用。1983年薩賓發(fā)表《作為心理學(xué)的一個(gè)扎根隱喻的故事》一書，進(jìn)一步闡述了敘述的作用。1986年薩賓主編了《敘事心理學(xué)：人類行為的故事性》一書，核心觀點(diǎn)即故事是修整經(jīng)驗(yàn)和指引判斷與行動(dòng)的基礎(chǔ)。敘事的概念與敘事心理學(xué)開(kāi)始顯現(xiàn)，敘事心理學(xué)成為了心理學(xué)的一個(gè)分支學(xué)科，敘事研究成為心理學(xué)的一種重要研究方法。 本文由wWW. DyLw.NeT提供，第一 論 文 網(wǎng)專業(yè)寫作教育教學(xué)論文和畢業(yè)論文以及服務(wù)，歡迎光臨DyLW.neT
1990年，澳大利亞的邁克爾.懷特（Michael White）與新西蘭的大衛(wèi).艾普斯頓（David Epston）合著《故事、知識(shí)、權(quán)力——敘事治療的力量》一書，被認(rèn)為是敘事心理治療（輔導(dǎo)）誕生的標(biāo)志。他們認(rèn)為當(dāng)人們把自己與問(wèn)題混為一談并在“主流敘事”的影響下喪失、限制、否定了自己的人格時(shí)，在治療中進(jìn)行重構(gòu)就尤為必要。他們將福柯關(guān)于知識(shí)與權(quán)力的觀點(diǎn)應(yīng)用到臨床治療，嘗試幫助來(lái)訪者“表演另類故事”，讓他們從“單一”知識(shí)中解放出來(lái)，自己主宰自己的生活。
21世紀(jì)初，敘事輔導(dǎo)開(kāi)始進(jìn)入中國(guó)。2000年，臺(tái)北的吳熙琄出版《最新又潛力無(wú)窮的療法：敘事療法導(dǎo)讀》一書；2001年，廖世德將懷特與艾普斯頓的著作《故事、知識(shí)、權(quán)力——敘事治療的力量》翻譯成中文并出版。同年，懷特首次在臺(tái)北舉辦“敘事治療工作坊”。臺(tái)灣張老師基金會(huì)臺(tái)北諮商輔導(dǎo)中心積極致力于推廣敘事療法，該中心于2003年舉辦了“敘事治療進(jìn)階個(gè)案研討工作坊”；臺(tái)北市生命線協(xié)會(huì)亦于2003年開(kāi)辦“敘事治療的多元面貌”課程。此外，香港的社會(huì)工作人員協(xié)會(huì)曾在2003年舉辦了兩次敘事治療工作坊。
目前國(guó)外已將敘事輔導(dǎo)法應(yīng)用于臨床心理學(xué)上，干預(yù)諸如厭食癥、家庭性暴力、精神分裂癥、精神創(chuàng)傷、種族關(guān)系、兒童與養(yǎng)父母關(guān)系及口吃康復(fù)等問(wèn)題。
1 敘事輔導(dǎo)法的基本主張
所謂敘事輔導(dǎo)法，即通過(guò)引導(dǎo)來(lái)訪者在不受干擾的安全環(huán)境下敘說(shuō)自己的生命故事，喚起來(lái)訪者內(nèi)在力量與生命意義的心理輔導(dǎo)方法。敘事輔導(dǎo)的重點(diǎn)與目的在于幫助來(lái)訪者重新檢視自己的生活，重新定義生活的意義，進(jìn)而回歸到正常生活軌道。
敘事輔導(dǎo)法是一種以來(lái)訪者中心為取向的咨詢方法。敘事輔導(dǎo)與其他心理輔導(dǎo)方式的顯著差異在于它相信來(lái)訪者才是自己?jiǎn)栴}的發(fā)現(xiàn)者和解決者，輔導(dǎo)者只是在旁邊陪伴；來(lái)訪者應(yīng)當(dāng)從自己生命故事的片段中找到自尊、自信與價(jià)值，從而相信自己有能力解決目前的困難。咨詢師在運(yùn)用敘事輔導(dǎo)法時(shí)，與來(lái)訪者的關(guān)系是平等而合作的；“咨詢師是來(lái)訪者改變的促發(fā)者，而非按照自身的取向?qū)I(yè)知識(shí)強(qiáng)加于來(lái)訪者的動(dòng)機(jī)和需要之上（ 張涵，2013）。”
懷特認(rèn)為人類是詮釋的動(dòng)物，“在詮釋過(guò)程中所創(chuàng)造的意義影響了我們的生活、行為和在生活中采取的行動(dòng)。生命故事或自我敘說(shuō)的過(guò)程傳達(dá)出我們決定擷取及對(duì)外表達(dá)的生命經(jīng)驗(yàn)片段；故事或自我假說(shuō)決定我們?nèi)绾嗡茉焐?jīng)驗(yàn)。我們并非通過(guò)生命故事存活，而是故事塑造、組成并擁抱著我們的生活（Payne，2012）。”
敘事輔導(dǎo)法鼓勵(lì)來(lái)訪者發(fā)展個(gè)人的知識(shí)、技巧，鼓勵(lì)有意識(shí)的覺(jué)察與轉(zhuǎn)化。在進(jìn)行敘事輔導(dǎo)過(guò)程中，輔導(dǎo)者通過(guò)認(rèn)同、談話、強(qiáng)化來(lái)訪者所講故事的積極方面而創(chuàng)造出尊重和接納的氛圍，促使來(lái)訪者重新建構(gòu)其對(duì)于事物的理解和想法，實(shí)現(xiàn)觀念與行為的正向改變。
敘事輔導(dǎo)法主張將談話的焦點(diǎn)放在支線故事上。支線故事是來(lái)訪者所敘述的“問(wèn)題故事”之外的生命體驗(yàn)，或者是對(duì)生命體驗(yàn)的重新詮釋。懷特主張讓來(lái)訪者詳細(xì)地勾勒支線故事，“因?yàn)橹挥型ㄟ^(guò)支線故事，人們才能逃離掌控個(gè)人理解和生命的主線故事的影響。通過(guò)協(xié)助來(lái)訪者進(jìn)行更完整的敘說(shuō)，減少以刻板印象描述經(jīng)驗(yàn)所帶來(lái)的僵化和影響（Payne，2012）。”
2 敘事輔導(dǎo)法的理論基礎(chǔ)
后現(xiàn)代主義的理論家們認(rèn)為，從20世紀(jì)60年代開(kāi)始，隨著科學(xué)技術(shù)的革命和資本主義的高度發(fā)展，西方社會(huì)進(jìn)入“后工業(yè)社會(huì)”，也稱為信息社會(huì)、高技術(shù)社會(huì)、媒體社會(huì)或消費(fèi)社會(huì)，在文化形態(tài)上被稱之為“后現(xiàn)代社會(huì)”或“后現(xiàn)代時(shí)代”?？茖W(xué)、教育、文化等領(lǐng)域在后現(xiàn)代時(shí)代經(jīng)歷了一系列根本性的變化，這些變化表明它是人類歷史的一次斷裂或一個(gè)新的發(fā)展階段。
后現(xiàn)代主義哲學(xué)產(chǎn)生于20世紀(jì)70年代末到80年代初，法國(guó)哲學(xué)家德里達(dá)、?？碌热藢⒈泵狸P(guān)于后現(xiàn)代文化形式的討論上升到更為深刻、更為廣泛和更具綜合性的哲學(xué)高度，從而形成了“后現(xiàn)代主義哲學(xué)”思潮。
后現(xiàn)代主義的本質(zhì)特征就是對(duì)于繼承和發(fā)揚(yáng)自古希臘以來(lái)的西方哲學(xué)傳統(tǒng)的現(xiàn)代主義哲學(xué)進(jìn)行全面的批判，總體上抱持一種對(duì)于邏輯性觀念與結(jié)構(gòu)性闡釋的不輕信或懷疑的態(tài)度。具體來(lái)說(shuō)，這些批判觀點(diǎn)主要有：第一，用“分延”解構(gòu)“邏各斯中心主義”，即用“差異”原則來(lái)取代“中心”概念，在批判傳統(tǒng)形而上學(xué)的二元論或兩極性與獨(dú)斷性的基礎(chǔ)上，撼動(dòng)“整體”，打破“結(jié)構(gòu)”；第二，從縱向思維轉(zhuǎn)換為橫向思維，即傳統(tǒng)等級(jí)體系一般的 “樹(shù)狀結(jié)構(gòu)”思維向動(dòng)態(tài)、發(fā)散的“根狀莖”式思維的轉(zhuǎn)變；第三，用差異對(duì)抗理性的總體化；第四，注重個(gè)體性和自我關(guān)切，反對(duì)主體性和人道主義，即反對(duì)把人的最一般的本質(zhì)當(dāng)作當(dāng)然的、現(xiàn)成的前提，反對(duì)把人看作是“理性的生物”；第五，用透視主義和相對(duì)主義取代表象論和基礎(chǔ)主義的認(rèn)識(shí)論，認(rèn)為世界的意義不是單一的，而是具有不可計(jì)數(shù)的意義；解釋世界的方式是無(wú)限的，我們應(yīng)該尋求對(duì)于現(xiàn)象的多種解釋；第六，用不確定性和小型敘事取代元話語(yǔ)和宏大敘事，強(qiáng)調(diào)知識(shí)的不可通約性、不 可預(yù)見(jiàn)性、不確實(shí)性、突變性、異質(zhì)性、與多元性（馮俊，1997）。
從以上對(duì)后現(xiàn)代主義哲學(xué)觀點(diǎn)的梳理來(lái)看，關(guān)注差異、去中心化、打破正統(tǒng)、主流和權(quán)威、解構(gòu)和關(guān)注解釋的多元是理解后現(xiàn)代主義思想的關(guān)鍵，也正是這些核心思想影響了敘事輔導(dǎo)法的產(chǎn)生——敘事輔導(dǎo)法的支撐理念即讓來(lái)訪者重新定義問(wèn)題和人生意義。在來(lái)訪者講述“問(wèn)題故事”、外化問(wèn)題之后，引導(dǎo)來(lái)訪者講述主線故事之外的支線故事，或者從非主流的視角重新解讀問(wèn)題故事。
3 敘事輔導(dǎo)法的具體操作流程
3.1 來(lái)訪者敘說(shuō)自己的“問(wèn)題故事”
輔導(dǎo)者需要為來(lái)訪者創(chuàng)設(shè)不受干擾的、安全的環(huán)境，以尊重與專注促使他講述自己的故事。通常來(lái)訪者的故事充滿了挫折、失望、悲傷甚至絕望，因此稱之為“問(wèn)題故事”。
3.2 界定并外化故事中的問(wèn)題
在來(lái)訪者講述自己的故事后，輔導(dǎo)者鼓勵(lì)來(lái)訪者自己界定故事所反映出的問(wèn)題；如果來(lái)訪者無(wú)法說(shuō)出任何詞語(yǔ)，輔導(dǎo)者可提供幾個(gè)供其選擇，例如“憂郁”、“悲傷”、“憤怒”、“工作壓力”、“恐懼”、“焦慮”等。
同時(shí)，輔導(dǎo)者應(yīng)強(qiáng)調(diào)問(wèn)題對(duì)個(gè)人的影響而非人本身具有問(wèn)題，此即問(wèn)題的外化。例如輔導(dǎo)者應(yīng)表達(dá)“抑郁干擾了你的生活”，而不是“你變得抑郁”；應(yīng)表達(dá)“你被壓力影響著”，而不是“你很有壓力”。外化問(wèn)題的目的在于協(xié)助來(lái)訪者將自我認(rèn)同與問(wèn)題分開(kāi)，并且了解問(wèn)題來(lái)自于環(huán)境或人際互動(dòng)過(guò)程，而非其心理或人格。
3.3 發(fā)現(xiàn)并聚焦特殊意義事件
特殊意義事件是來(lái)訪者所講述的“問(wèn)題故事”或叫主線故事之外的、具有某些正向激勵(lì)作用的故事或經(jīng)驗(yàn)。在來(lái)訪者講述完“問(wèn)題故事”之后，輔導(dǎo)者應(yīng)引導(dǎo)來(lái)訪者講述其他經(jīng)歷，從中發(fā)現(xiàn)具有特殊意義的事件，并對(duì)該事件中的某些細(xì)節(jié)與過(guò)程加以聚焦和描繪。
3.4 引導(dǎo)來(lái)訪者“重新入會(huì)”（re-membering）
“重新入會(huì)”即鼓勵(lì)來(lái)訪者通過(guò)舉行紀(jì)念儀式、書寫記錄、重游故地等方式正視“問(wèn)題故事”或創(chuàng)傷性事件，以期獲得支持與撫慰。“重新入會(huì)”必須在來(lái)訪者通過(guò)發(fā)現(xiàn)特殊意義事件而重拾自信與勇氣之后進(jìn)行。
3.5 引入局外見(jiàn)證人強(qiáng)化敘說(shuō)-再敘說(shuō)
在此階段，輔導(dǎo)者可建議來(lái)訪者邀請(qǐng)其朋友、親人或同事分享自己改寫后的故事。這些局外見(jiàn)證人可在分享過(guò)程中講述自己受來(lái)訪者觸動(dòng)的某一段經(jīng)歷或故事，如此可通過(guò)生命經(jīng)驗(yàn)的共鳴增強(qiáng)來(lái)訪者的內(nèi)心力量。
3.6 通過(guò)儀式或頒發(fā)證書結(jié)束輔導(dǎo)
當(dāng)來(lái)訪者確定自己的生命故事不只是“問(wèn)題故事”，其他經(jīng)歷與故事中所蘊(yùn)藏的正能量足以支撐其未來(lái)生活時(shí)，輔導(dǎo)就可以結(jié)束了。輔導(dǎo)者可邀請(qǐng)來(lái)訪者的重要他人前來(lái)進(jìn)行再敘說(shuō)，并通過(guò)儀式或頒發(fā)證書來(lái)銘記這段過(guò)程。
4 輔導(dǎo)案例
來(lái)訪者：王某，女，20歲，大學(xué)二年級(jí)學(xué)生。因其母親在“5.12”汶川地震中不幸遇難，自己難以擺脫悲傷與抑郁困擾。
輔導(dǎo)目標(biāo)：與王同學(xué)建立良好咨訪關(guān)系，幫助她正視母親去世的事實(shí)和悲傷情緒，找到改善負(fù)面情緒的動(dòng)力，開(kāi)始新的生活。
輔導(dǎo)次數(shù)：五次。
4.1 第一次輔導(dǎo)：敘說(shuō)自己的故事并外化問(wèn)題
王同學(xué)在輔導(dǎo)員的建議下第一次來(lái)到心理咨詢中心進(jìn)行心理輔導(dǎo)。心理輔導(dǎo)老師邀請(qǐng)王同學(xué)講講自己的故事。以下是王同學(xué)講述的故事內(nèi)容：
我老家在綿竹農(nóng)村，2008年“5.12”地震前，母親在家務(wù)農(nóng)，父親在外打工。地震發(fā)生時(shí)我在學(xué)校宿舍，房間的劇烈晃動(dòng)讓我很害怕。當(dāng)我知道母親不幸被垮塌的房屋壓死的消息時(shí)，我很震驚，不愿意相信那是真的。但我在同學(xué)面前并沒(méi)有表現(xiàn)得多么悲傷，可能是來(lái)不及悲傷，因?yàn)槲乙s回家同父親一起料理母親的喪事。將母親的喪事辦完后，我返回了學(xué)校，這中間大概有一周時(shí)間?；氐綄W(xué)校后，我不斷想起和母親有關(guān)的往事，不再喜歡和其他同學(xué)來(lái)往，也不想跟任何人說(shuō)話；食欲開(kāi)始下降，不想吃東西，身上沒(méi)有勁，體重也明顯減輕；我開(kāi)始逃課，甚至不愿意走出寢室的門。我一想起和母親一起相處的畫面和片段，眼淚就忍不住地流下來(lái)；我不相信母親就這樣離開(kāi)了我。
輔導(dǎo)老師聽(tīng)完王同學(xué)的講述后，首先表示自己非常愿意傾聽(tīng)她的故事，并且能夠理解她現(xiàn)在的狀態(tài)和心情。之后引導(dǎo)她用幾個(gè)詞語(yǔ)概括自己剛才所講故事中的情緒和感受。該同學(xué)略微思考后用了“悲傷”、“孤單”、“失落”和“壓抑”幾個(gè)詞語(yǔ)。
輔導(dǎo)老師肯定了該同學(xué)對(duì)自己情緒狀態(tài)的認(rèn)知后，進(jìn)而引導(dǎo)其將這些負(fù)面情緒“剝離”：你認(rèn)為自己是悲傷的？你認(rèn)為自己很孤單、很壓抑？換個(gè)說(shuō)法，你可以把悲傷、孤單與壓抑看成某種東西，把上述表達(dá)改為“悲傷、孤單、壓抑的情緒與感覺(jué)籠罩著你”，這些負(fù)面情緒終將遠(yuǎn)離你，它們本不屬于你，你可以是快樂(lè)而輕松的。
4.2 第二次輔導(dǎo)：繼續(xù)敘說(shuō)故事，挖掘特殊意義事件
第二次心理輔導(dǎo)時(shí)，輔導(dǎo)老師邀請(qǐng)王同學(xué)繼續(xù)講述自己的故事，但這次不講地震后的，改講地震發(fā)生前自己家庭、學(xué)習(xí)和生活中記憶猶新的事。王同學(xué)講起初中時(shí)父親為她買涼鞋的故事：
我對(duì)父親的感情不如母親的深。父親常年在外打工掙錢，與我的溝通很少，感情很淡；我覺(jué)得自己甚至不太了解父親，也不太確定他是否愛(ài)我，也有可能是父親不善言辭，沒(méi)有當(dāng)著我的面說(shuō)過(guò)那些表達(dá)情感的話。但是，我至今仍記得初中時(shí)父親為我買涼鞋的事。我家一直很清貧，買涼鞋當(dāng)然也是要選便宜的，便宜的鞋自然樣式和質(zhì)量都要差一些?？晌耶?dāng)時(shí)偏偏看中了一雙紅、黃、白三色相間的皮涼鞋，價(jià)格比父親準(zhǔn)備給我買的那雙塑料涼鞋要貴好幾倍。我當(dāng)時(shí)很愛(ài)美，也很喜歡那雙皮涼鞋，所以執(zhí)意要買。父親雖然很無(wú)奈，很想節(jié)省錢，但最終還是妥協(xié)了，為我買到了心愛(ài)的涼鞋。我當(dāng)時(shí)非常高興，“父親”這一抽象的稱謂開(kāi)始在我心里具體化為父親鮮活的形象。
輔導(dǎo)老師聽(tīng)完王同學(xué)的故事后，點(diǎn)出該同學(xué)初次輔導(dǎo)時(shí)所講的“父親不能理解自己的感受”、“失去母親后很孤單”的觀點(diǎn)并不恰當(dāng)。父親為其 買涼鞋的故事即可看作一個(gè)具有特殊意義的事件，在這次愉快的買鞋過(guò)程中，父親展現(xiàn)了對(duì)女兒的包容、理解和愛(ài)；父親雖然不善于表達(dá)自己對(duì)女兒的情感，但他愿意為女兒付出，竭盡所能甚至是超出自己能力范圍地滿足女兒的需求，愿意包容并陪伴女兒度過(guò)難關(guān)，所以女兒不是孤單的?！?.3 第三次輔導(dǎo)：引入局外見(jiàn)證人強(qiáng)化敘述
輔導(dǎo)老師鑒于王同學(xué)所講特殊意義事件涉及與父親的關(guān)系，因此將敘事輔導(dǎo)流程的下一階段提前，目的在于首先讓王同學(xué)確定父親對(duì)自己的愛(ài)、堅(jiān)定與父親的情感聯(lián)系后再去觸碰“問(wèn)題故事”，與父親一起去祭奠母親。所以此次輔導(dǎo)聯(lián)系了王同學(xué)的父親到場(chǎng)，并請(qǐng)王同學(xué)當(dāng)著父親的面再次講述了買涼鞋的故事。父親聽(tīng)完故事后表示深受觸動(dòng)，自己都不知道當(dāng)年的一個(gè)小舉動(dòng)讓女兒記憶深刻，成了這么多年女兒最溫暖的回憶。并且，父親也認(rèn)識(shí)到因自己不善表達(dá)而拉遠(yuǎn)了與女兒的情感距離。
4.4 第四次輔導(dǎo)：正視創(chuàng)傷
在上一次的輔導(dǎo)中，王同學(xué)與父親加深了彼此心靈上的聯(lián)系，孤獨(dú)感與壓抑感有所減輕。在此基礎(chǔ)上，輔導(dǎo)老師征詢王同學(xué)關(guān)于書寫記錄母親點(diǎn)滴的意見(jiàn)，例如可以記錄母親的容貌、性格特點(diǎn)、喜好、與父親的關(guān)系、與自己的關(guān)系、對(duì)家庭的貢獻(xiàn)等，也可以記錄自己失去母親后的悲傷情緒和對(duì)母親的思念之情。
王同學(xué)表示愿意嘗試去書寫，并打算與父親一起去祭拜母親。
4.5 第五次輔導(dǎo)：儀式性“結(jié)業(yè)”
王同學(xué)與父親一起祭奠過(guò)母親后，再次來(lái)到咨詢室，并告訴輔導(dǎo)老師自己已經(jīng)開(kāi)始記錄母親的故事。輔導(dǎo)老師詢問(wèn)其記錄母親故事后的感受，該同學(xué)表示雖然過(guò)程中難免傷感，但能堅(jiān)持寫下去，慢慢地能把書寫的過(guò)程看作是對(duì)母親的一種懷念與愛(ài)。
聞此，輔導(dǎo)老師認(rèn)為對(duì)王同學(xué)的輔導(dǎo)可以結(jié)束了。輔導(dǎo)老師象征性地頒發(fā)了一份“走出悲傷，重新生活”的結(jié)業(yè)證書，鼓勵(lì)該同學(xué)開(kāi)始新生活。
5 敘事輔導(dǎo)法對(duì)輔導(dǎo)者的素養(yǎng)要求
敘事輔導(dǎo)者除了應(yīng)具備基本的心理學(xué)知識(shí)和健全人格外，還應(yīng)具備以下兩點(diǎn)特質(zhì)：
第一，善于傾聽(tīng)。在敘事輔導(dǎo)過(guò)程中，輔導(dǎo)者的角色就是傾聽(tīng)者。輔導(dǎo)者應(yīng)當(dāng)鼓勵(lì)來(lái)訪者盡可能詳盡地講述自己的故事，而不是催促與想著如何應(yīng)對(duì)。輔導(dǎo)者認(rèn)真、持續(xù)的傾聽(tīng)與關(guān)注是獲取輔導(dǎo)素材的重要途徑。
第二，善于發(fā)現(xiàn)來(lái)訪者“問(wèn)題故事”之外的正向影響因素。輔導(dǎo)者應(yīng)具備較強(qiáng)的語(yǔ)言、文本（來(lái)訪者有時(shí)以信件形式表述自己的故事）理解能力，善于從中發(fā)現(xiàn)能夠?qū)?lái)訪者給予正向影響的事件或人物，進(jìn)而放大這些事件或鼓勵(lì)來(lái)訪者與重要他人聯(lián)系，以取得切實(shí)輔導(dǎo)效果。
6 展望 本文由wWW. DyLw.NeT提供，第一 論 文 網(wǎng)專業(yè)寫作教育教學(xué)論文和畢業(yè)論文以及服務(wù)，歡迎光臨DyLW.neT
敘事輔導(dǎo)法是目前應(yīng)用比較廣泛的一種心理治療、輔導(dǎo)和咨詢技術(shù)，具有以來(lái)訪者為中心、操作性強(qiáng)和效果顯著等特點(diǎn)，具有較高的推廣價(jià)值。例如目前國(guó)外已將敘事輔導(dǎo)法應(yīng)用于臨床心理學(xué)上，干預(yù)諸如厭食癥、家庭性暴力、精神分裂癥、精神創(chuàng)傷、種族關(guān)系、兒童與養(yǎng)父母關(guān)系及口吃康復(fù)等問(wèn)題。從已有研究與應(yīng)用來(lái)看，敘事輔導(dǎo)法還運(yùn)用于學(xué)校心理咨詢與服務(wù)當(dāng)中，解決中小學(xué)生、中等職業(yè)與大學(xué)生的多種心理困惑和問(wèn)題。
此外，敘事輔導(dǎo)法最初由其創(chuàng)始人之一的邁克爾.懷特在家庭治療領(lǐng)域探索而來(lái)，之后逐漸發(fā)展到個(gè)體與團(tuán)體治療和輔導(dǎo)。因此，從敘事輔導(dǎo)法的產(chǎn)生、發(fā)展和實(shí)際應(yīng)用歷程來(lái)看，敘事輔導(dǎo)法可廣泛適用于個(gè)體、伴侶、家庭及團(tuán)體心理問(wèn)題尤其是情感創(chuàng)傷、自我認(rèn)同危機(jī)、兒童問(wèn)題行為與親子關(guān)系問(wèn)題的解決。
參考文獻(xiàn)
1.1管理信息系統(tǒng)開(kāi)發(fā)人員對(duì)需求的理解出現(xiàn)偏差
系統(tǒng)分析員必須要對(duì)用戶的需求比較了解才能夠很好的展開(kāi)工作，系統(tǒng)分析員能夠順利的展開(kāi)工作這就要看他們能否理解用戶并且要具有較為充足的工作經(jīng)驗(yàn)，系統(tǒng)的分析結(jié)果也對(duì)系統(tǒng)設(shè)計(jì)工作非常重要；分析員如果在分析過(guò)程中出現(xiàn)偏差，就會(huì)導(dǎo)致在工作中產(chǎn)生問(wèn)題，最后使得開(kāi)發(fā)出來(lái)的系統(tǒng)不能夠滿足用戶的需要而成為一個(gè)失敗的產(chǎn)品。
1.2“堆?！爆F(xiàn)象
管理信息系統(tǒng)是有多個(gè)階段進(jìn)行開(kāi)發(fā)并最終完成的，所以在不同的階段如果出現(xiàn)了問(wèn)題都會(huì)導(dǎo)致系統(tǒng)開(kāi)發(fā)失敗，并且不同的階段出現(xiàn)的錯(cuò)誤其錯(cuò)誤的“潛伏期”是不一樣的，錯(cuò)誤越早發(fā)生就好導(dǎo)致越晚發(fā)現(xiàn)，類似堆棧規(guī)律。
1.3重編程，輕規(guī)劃，輕分析
管理信息系統(tǒng)的發(fā)展有其獨(dú)特的發(fā)展規(guī)律，最開(kāi)始的計(jì)算機(jī)被用于電力企業(yè)中，主要是處理簡(jiǎn)單的信息，是單項(xiàng)目系統(tǒng)，這種小型的計(jì)算機(jī)系統(tǒng)比較簡(jiǎn)單且功能單一。如果需要將多個(gè)不同的單項(xiàng)系統(tǒng)進(jìn)行整合，并發(fā)揮其整體的優(yōu)勢(shì)時(shí)，就會(huì)讓整個(gè)系統(tǒng)無(wú)法正常的運(yùn)行，系統(tǒng)無(wú)法將各個(gè)單項(xiàng)進(jìn)行很好的整合并協(xié)調(diào)好不同單項(xiàng)之間的關(guān)系。
1.4過(guò)低估計(jì)信息系統(tǒng)的投資而使開(kāi)發(fā)工作夭折
在投資管理信息系統(tǒng)的時(shí)候，有些投資是能夠立馬看到成效的，例如投資軟件和硬件等等，就能夠較快的看到效果。但是還有一些投資是不能夠馬上看到效果的，例如在對(duì)信息系統(tǒng)進(jìn)行開(kāi)發(fā)的過(guò)程中，由于某些需要，必須要對(duì)系統(tǒng)進(jìn)行修改，并且由于市場(chǎng)的不斷變化，對(duì)系統(tǒng)的一些維護(hù)費(fèi)用等，這些改變所帶來(lái)的費(fèi)用是不能夠馬上見(jiàn)到效果的。
2電力需求預(yù)測(cè)管理系統(tǒng)的設(shè)計(jì)技術(shù)
2.1電力市場(chǎng)預(yù)測(cè)內(nèi)容
2.1.1年度預(yù)測(cè)
（1）年度電量預(yù)測(cè)。全社會(huì)口徑、本企業(yè)口徑、統(tǒng)調(diào)口徑電量，各產(chǎn)業(yè)電量，行業(yè)分類電量等。
（2）年度電力預(yù)測(cè)。最大用電負(fù)荷、年平均最大用電負(fù)荷、最小用電負(fù)荷、年代表峰谷差/負(fù)荷率/最小負(fù)荷率等）。
（3）年負(fù)荷曲線預(yù)測(cè)。
2.1.2月度預(yù)測(cè)
（1）月度參數(shù)的預(yù)測(cè)或結(jié)果獲取。月最高溫度、月平均最高溫度、月最低溫度、月平均最低氣味和降水量的大小以及進(jìn)行拉閘限電的情況等。
（2）月度電力的預(yù)測(cè)。月最大的用電負(fù)荷、月平均最大的用電負(fù)荷、在工作日內(nèi)平均最大的用電負(fù)荷、最小用電負(fù)荷、工作日最小用電負(fù)荷、月代表峰谷差/負(fù)荷率/最小負(fù)荷率等。
2.2電力市場(chǎng)預(yù)測(cè)方法
電力負(fù)荷在不同的地區(qū)其發(fā)展規(guī)律也是不一樣的。每一種預(yù)測(cè)的規(guī)律方式都是一個(gè)地區(qū)的發(fā)展規(guī)律。如果預(yù)測(cè)的方法越多，那么預(yù)測(cè)的選擇性就會(huì)越大，也就會(huì)更加精確。軟件有一個(gè)預(yù)測(cè)方法庫(kù)，里面有大約50種預(yù)測(cè)的方法。在這些預(yù)測(cè)方法中，大部分都是被經(jīng)常使用的預(yù)測(cè)方法，并且還加入了一些比較特別的預(yù)測(cè)方法，如灰色系統(tǒng)法、人工神經(jīng)網(wǎng)絡(luò)法等。
2.3電力市場(chǎng)預(yù)測(cè)策略
綜合預(yù)測(cè)模型的技術(shù)。對(duì)序列號(hào)進(jìn)行預(yù)測(cè)，在進(jìn)行預(yù)測(cè)之前可以選擇多種不同的預(yù)測(cè)方式進(jìn)行。其中用數(shù)字模型進(jìn)行預(yù)測(cè)的方法是最合適的，在負(fù)載發(fā)展的過(guò)程中，其自然的規(guī)律不是簡(jiǎn)單的數(shù)字模型可以進(jìn)行描述的，一般情況下，單一的預(yù)測(cè)模型不能夠進(jìn)行精準(zhǔn)的預(yù)測(cè)。所以，之前的預(yù)測(cè)理論不夠完善就是這個(gè)原因。
2.4預(yù)測(cè)決策技術(shù)
預(yù)測(cè)還沒(méi)有被確定之前，預(yù)測(cè)系統(tǒng)所預(yù)測(cè)的結(jié)果還沒(méi)有滿足預(yù)測(cè)的精準(zhǔn)度需要的時(shí)候，這些都是預(yù)測(cè)工作者們最為重要的工作。系統(tǒng)為分析提供相應(yīng)的決策并進(jìn)行回答。系統(tǒng)通過(guò)對(duì)數(shù)據(jù)的分析和對(duì)比進(jìn)行預(yù)測(cè)，觀察越策系統(tǒng)在數(shù)據(jù)變化的情況下是否能夠進(jìn)行穩(wěn)定的預(yù)測(cè)，并且觀察其精準(zhǔn)度和虛擬預(yù)測(cè)準(zhǔn)確度等指標(biāo)，并通過(guò)模糊決策系統(tǒng)，得到預(yù)測(cè)模型的預(yù)測(cè)精度等級(jí)。
2.5預(yù)測(cè)過(guò)程控制技術(shù)
預(yù)測(cè)結(jié)果的準(zhǔn)確度與工作人員的工作經(jīng)驗(yàn)有著非常直接的關(guān)系，因此，預(yù)測(cè)人員必須要不斷的豐富自己的工作經(jīng)驗(yàn)，并將其運(yùn)用到系統(tǒng)中去，使其主觀因素得到有效的發(fā)揮。系統(tǒng)還會(huì)將預(yù)測(cè)的過(guò)程進(jìn)行輸出，以讓預(yù)測(cè)人員參考使用。
2.6預(yù)測(cè)過(guò)程的用戶可控性包括以下幾個(gè)方面
（1）策略選擇，用戶可以根據(jù)自己的實(shí)際需要來(lái)選擇預(yù)測(cè)方法。
（2）分析參考，可以通過(guò)查閱各種數(shù)據(jù)和相關(guān)的歷史數(shù)據(jù)，并進(jìn)行統(tǒng)計(jì)分析，這樣就能夠很好的對(duì)預(yù)測(cè)方法進(jìn)行選擇。（3）預(yù)測(cè)期限，可以對(duì)隸屬數(shù)據(jù)和預(yù)測(cè)結(jié)果的起止時(shí)間進(jìn)行自由的設(shè)置。
3結(jié)語(yǔ)
關(guān)鍵詞:分形理論;時(shí)間序列;音樂(lè);Lyapunov指數(shù);關(guān)聯(lián)維數(shù)
音樂(lè)存在于人們生活中的各個(gè)地方，人們可以用音樂(lè)表達(dá)內(nèi)心的情感，同時(shí)也可以用音樂(lè)進(jìn)行人與人之間的溝通交流［1］．音樂(lè)以及其它語(yǔ)言類學(xué)科，都屬于具有顯著代表性的認(rèn)知模式．隨著科學(xué)技術(shù)的發(fā)展，對(duì)于音樂(lè)的研究不僅僅局限于對(duì)音樂(lè)的欣賞和分類，更多則是傾向與音樂(lè)信號(hào)的識(shí)別，當(dāng)前關(guān)于音樂(lè)信號(hào)識(shí)別的研究包括很多方向，如音樂(lè)搜索查詢、音樂(lè)生理學(xué)和自動(dòng)生成曲目等［2］．音樂(lè)信號(hào)的識(shí)別不僅可以運(yùn)用于心理學(xué)和生理學(xué)［3］，也可以運(yùn)用于音樂(lè)數(shù)據(jù)庫(kù)的搜索查詢以及自動(dòng)作曲．互聯(lián)網(wǎng)信息時(shí)代的飛速發(fā)展，音樂(lè)信號(hào)的信息量非常大，音樂(lè)的搜索和數(shù)據(jù)信息的分類非常復(fù)雜且困難，要對(duì)音樂(lè)搜索系統(tǒng)進(jìn)行智能化升級(jí)和高效管理，就需要對(duì)音樂(lè)信號(hào)的特征進(jìn)行研究，從而對(duì)音樂(lè)進(jìn)行正確的分類［4］．當(dāng)前比較通用的歌曲檢索方式就是在網(wǎng)站內(nèi)輸入歌曲的名字或者歌詞的內(nèi)容，但是在實(shí)際情況中，人們總是會(huì)忘記歌曲的名字或者歌詞，但是不會(huì)忘記曲目的旋律，因此在該種情形下就要對(duì)自己能哼出的音樂(lè)旋律進(jìn)行特征分析，從而得到信號(hào)特征進(jìn)而在系統(tǒng)庫(kù)內(nèi)進(jìn)行目標(biāo)匹配．基于此，本研究基于分形理論和混沌特性，分析不同音樂(lè)曲目的Lyapunov指數(shù)和關(guān)聯(lián)維數(shù)，從而判斷不同音樂(lè)信號(hào)的時(shí)間序列特征和分形程度，為音樂(lè)信號(hào)識(shí)別的智能化發(fā)展提供現(xiàn)實(shí)依據(jù)．
1分形理論
1.1分形理論的質(zhì)性分析
分形指的是在規(guī)定的意義下部分與整體自相似的部分［5］．而在相關(guān)文獻(xiàn)中定義“分形”屬于M維空間內(nèi)的某個(gè)點(diǎn)集的集合，在不一樣的方向上含有自相似性，而且含有一個(gè)不完整位數(shù)(小于M)［6］．也有學(xué)者表明“自相似性”跟“分形”的結(jié)構(gòu)相似，指的是整體同部分的相似之處，在直觀方向存在一種構(gòu)造圖，前后2部分僅僅是標(biāo)度不一樣，其余部分的構(gòu)造方式都相同．觀察的部位不管是近處還是遠(yuǎn)處，得到的結(jié)果都一致，學(xué)者們就把這種圖稱作含有自相似的框架．如果在改變圖形的尺寸過(guò)程中，其余部分的結(jié)構(gòu)并沒(méi)有改變，此時(shí)該圖形就叫做分形［7］．整體上來(lái)說(shuō)，分形的特性包含3個(gè)部分:部分和整體具有相似特質(zhì)、構(gòu)造細(xì)致和非整數(shù)性(關(guān)聯(lián)維數(shù))．音樂(lè)則可以在空間序列上產(chǎn)生整體同部分的自相似性，而且逐漸地發(fā)展成為細(xì)致精確的結(jié)構(gòu)，該種含有自相似性構(gòu)造的現(xiàn)象就叫音樂(lè)分形．關(guān)聯(lián)維數(shù)算法把一維序列中的數(shù)據(jù)組合成為相空間內(nèi)的n維向量a=(a1，a2，…，An)，把向量往后挪動(dòng)h(h為整數(shù)而且是取樣間隔)，從而形成n維空間內(nèi)的不同向量a'=(a1，a2，…，An+h)［8］．根據(jù)穩(wěn)定的間隔h向右依次挪動(dòng)就能夠獲得相空間內(nèi)的點(diǎn)集合{ax}x=1，2，…，K，而集合內(nèi)點(diǎn)的個(gè)數(shù)可以由K=k－h(huán)+1計(jì)算得來(lái)．于點(diǎn)集合內(nèi)隨機(jī)取一個(gè)點(diǎn)當(dāng)作參考點(diǎn)，以這個(gè)點(diǎn)為中心畫圓(半徑為r)，再統(tǒng)計(jì)該圓內(nèi)除了中心點(diǎn)以外點(diǎn)集合內(nèi)的其他點(diǎn)數(shù)，從而獲得關(guān)聯(lián)函數(shù)F，如下式所示:F=1K2∑x≠yGr－Ax－A()y．(1)其中G代表Heaviside函數(shù)．如果K趨近于無(wú)窮大，那么關(guān)聯(lián)函數(shù)W是集合內(nèi)點(diǎn)間距離的概率函數(shù)，設(shè)此時(shí)吸引子伸展量的最大值為D，此時(shí)W的表示公式為:W=r()DL2(n，r)，r≤D．(2)其中，L2(n，r)屬于根n和r相關(guān)的常數(shù)，L2屬于關(guān)聯(lián)函數(shù)曲線的斜率．如果r1和r2之間的相對(duì)距離非常小，則L2(n，r)的計(jì)算方法如下式所示:L2(n，r)=dlnDdlnr．(3)其中，d為吸引子中的伸展量，如果r非常小，就可以計(jì)算出關(guān)聯(lián)維數(shù)．若曲線的斜率隨著嵌入維數(shù)的增大而增大，則說(shuō)明沒(méi)有分形的特征．如果曲線的斜率隨著嵌入維數(shù)的增加而慢慢形成一個(gè)穩(wěn)定值，則表明含有分形的特征．時(shí)間延遲h的規(guī)定條件有2個(gè):一個(gè)是與數(shù)據(jù)采集時(shí)間間隔成倍數(shù)關(guān)系;另一個(gè)是取值要適當(dāng)，過(guò)小會(huì)導(dǎo)致獲取信息會(huì)很困難，過(guò)大會(huì)導(dǎo)致測(cè)量存在較大誤差，根據(jù)相關(guān)文獻(xiàn)，h的取值在接近15時(shí)，獲得的關(guān)聯(lián)維數(shù)最合適．
1.2音樂(lè)中混沌現(xiàn)象的特征
音樂(lè)屬于非線性動(dòng)態(tài)系統(tǒng)［9］，其非線性動(dòng)態(tài)特性內(nèi)部存在著一定的深層次規(guī)律，對(duì)其內(nèi)部規(guī)律進(jìn)行研究可以分成2種序列:時(shí)間序列和空間序列．在時(shí)間序列上，音樂(lè)表現(xiàn)出的形式是由有序慢慢轉(zhuǎn)變成無(wú)序，由有序轉(zhuǎn)變成無(wú)序的運(yùn)動(dòng)序列叫做混沌序［10］．關(guān)于音樂(lè)的非線性解釋，一般都是音樂(lè)線條的非旋律化，而分形理論的核心特征是:無(wú)序性、不平衡性以及不確定性．在創(chuàng)作音樂(lè)作品時(shí)，多種音樂(lè)現(xiàn)象能組成某種確定的比例關(guān)系，如果把某個(gè)主題當(dāng)作作品的起始條件，那么在時(shí)間序列以及空間序列軌跡上都會(huì)產(chǎn)生一定程度的改變，比如:某段旋律不斷重復(fù)、逆行和倒影等，接著以特定比例進(jìn)行擴(kuò)大和縮小，這些音樂(lè)現(xiàn)象都包括在音樂(lè)線性過(guò)程內(nèi)．音樂(lè)的存在形式很多，包括音樂(lè)的基本屬性、音樂(lè)的一般變現(xiàn)方式、音樂(lè)的制作以及演奏，這些都有著復(fù)雜的時(shí)間序列和空間序列，其時(shí)空痕跡的擴(kuò)散也非常復(fù)雜．所以，利用非線性的思維和方式進(jìn)行音樂(lè)的特性分析，能夠反應(yīng)音樂(lè)最本質(zhì)的特征［11］．時(shí)間序列(混沌序)的特征包括:1)邊界性混沌含有吸引域，它的活動(dòng)范圍一般情況下都是特定的，且不會(huì)因?yàn)榛煦鐑?nèi)部結(jié)構(gòu)的改變而改變．2)普遍性不同的非線性系統(tǒng)內(nèi)，混沌序都會(huì)含有相同的特質(zhì)，而且不會(huì)因?yàn)橥饨绛h(huán)境的的改變而改變，這就是混沌的基本屬性．3)分形維度在同一個(gè)空間里的混沌序，其運(yùn)動(dòng)軌跡的重合可以表示成分形維度，該分形維度能夠分為數(shù)個(gè)種類，本文使用的分形維度是關(guān)聯(lián)維數(shù)［12］．4)量化特質(zhì)對(duì)于混沌序，能夠運(yùn)用Lyapunov指數(shù)［13］研究其穩(wěn)定性，如果該指數(shù)比零大，就表明該混沌序不穩(wěn)定，運(yùn)動(dòng)軌跡會(huì)根據(jù)指數(shù)產(chǎn)生分離．該指數(shù)的絕對(duì)值可以表明序列的混沌程度，距離靠近的點(diǎn)之間，點(diǎn)內(nèi)部的信息丟失量會(huì)因?yàn)樵撝笖?shù)絕對(duì)值的增大而提高，序列或者系統(tǒng)的混沌特性就能夠易于被發(fā)現(xiàn)．
2音樂(lè)分形實(shí)驗(yàn)及分析
2.1實(shí)驗(yàn)準(zhǔn)備
1)實(shí)驗(yàn)設(shè)備本研究運(yùn)用Matlab構(gòu)建一個(gè)快速數(shù)字化樂(lè)音仿真模型，該模型基于1組正弦波，經(jīng)過(guò)音色修飾后合成音樂(lè)進(jìn)行播放，其中音色修飾分為音強(qiáng)隨時(shí)間的自然衰減包絡(luò)和各諧波成分的能量分配兩個(gè)部分．運(yùn)用格式工廠把將MP3格式的音頻轉(zhuǎn)換成Matlab可以直接讀取的WAV格式，同時(shí)利用其截取的功能對(duì)音樂(lè)片段進(jìn)行時(shí)長(zhǎng)截取．2)音樂(lè)材料選擇3種不同類型的音樂(lè)進(jìn)行分析，分別是鋼琴曲、流行樂(lè)和哀樂(lè)，如下表1所示:3)音樂(lè)信號(hào)提取第1，運(yùn)用格式工廠把MP3格式的音樂(lè)轉(zhuǎn)換成WAV格式，接著進(jìn)行小節(jié)劃分和A/D轉(zhuǎn)換．第2，分析混沌特性，根據(jù)Lyapunov指數(shù)的大小判斷信號(hào)是不是含有混沌特性，也就是時(shí)間序列．第3，基于關(guān)聯(lián)維數(shù)算法判斷關(guān)聯(lián)維數(shù)，從而分析音樂(lè)分形的復(fù)雜程度．
2.2音樂(lè)信號(hào)劃分本研究選擇
3首不同的音樂(lè)信號(hào)進(jìn)行劃分，結(jié)果如圖1所示．由圖1可以看出，鋼琴曲《致愛(ài)麗絲》的總時(shí)長(zhǎng)是190s，分成106個(gè)小節(jié)，每節(jié)1.79s．流行音樂(lè)《Discotheque》的總時(shí)長(zhǎng)是74s，分成35個(gè)小節(jié)，每節(jié)2.11s．哀樂(lè)的總時(shí)長(zhǎng)是70s，分成32個(gè)小節(jié)，每節(jié)2.19s．
2.3混沌特性和分形程度分析結(jié)果
首先，對(duì)鋼琴曲《致愛(ài)麗絲》的混沌特性和分形程度進(jìn)行分析，結(jié)果如圖2所示．由圖2可以看出，鋼琴曲《致愛(ài)麗絲》的Lya-punov指數(shù)上下浮動(dòng)區(qū)間是在［0.02，0.25］之間，而關(guān)聯(lián)維數(shù)在［13，17.8］之間．經(jīng)典鋼琴曲的維數(shù)起伏非常顯著，表明其分形程度比較強(qiáng)烈．鋼琴曲的創(chuàng)作難度非常大，同時(shí)其創(chuàng)作的過(guò)程非常繁瑣，這就表示作曲家的能力要很強(qiáng)，特別是針對(duì)是經(jīng)典的鋼琴曲．其次，對(duì)《Discotheque》的混沌特性和分形程度進(jìn)行分析，結(jié)果如圖3所示．由圖3可以看出，《Discotheque》的Lyapunov指數(shù)上下浮動(dòng)區(qū)間是在［0.006，0.0081］之間，而關(guān)聯(lián)維數(shù)在［9.901，15.001］之間．《Discotheque》屬于流行曲風(fēng)，其創(chuàng)作過(guò)程相對(duì)來(lái)說(shuō)比較簡(jiǎn)單，但是該曲種的節(jié)拍非常強(qiáng)烈，也由非常強(qiáng)的動(dòng)感，在演奏時(shí)音符的改變會(huì)充滿了隨機(jī)性，這就導(dǎo)致《Discotheque》的關(guān)聯(lián)維數(shù)改變不及鋼琴曲顯著．最后，對(duì)哀樂(lè)的混沌特性和分形程度進(jìn)行分析，結(jié)果如圖4所示．由圖4可以看出，哀樂(lè)的Lyapunov指數(shù)上下浮動(dòng)區(qū)間是在［0.052，0.159］之間，而關(guān)聯(lián)維數(shù)在［9.997，16.987］之間．哀樂(lè)一般是表示對(duì)逝者的思念和沉痛心情，其節(jié)奏的改變都是在相應(yīng)的范圍之內(nèi)，主題的表達(dá)非常簡(jiǎn)單，主要就是為哀痛和不舍，所以哀樂(lè)的關(guān)聯(lián)維數(shù)改變程度最低．
2.4不同差分后的關(guān)聯(lián)維數(shù)
為了保證關(guān)聯(lián)維數(shù)的穩(wěn)定性，對(duì)3種曲目的音樂(lè)信號(hào)進(jìn)行差分求解，結(jié)果如圖5所示．由圖5可以看出，在進(jìn)行不同階數(shù)的差分以后，不同曲目信號(hào)的關(guān)聯(lián)維數(shù)都在不同階數(shù)下的波動(dòng)非常微弱，因?yàn)樵囼?yàn)過(guò)程存在一定的誤差，因此可以認(rèn)為，不同階數(shù)下關(guān)聯(lián)維數(shù)基本沒(méi)有改變，說(shuō)明不同曲目信號(hào)內(nèi)的分形程度具有穩(wěn)定性．
3結(jié)語(yǔ)
關(guān)鍵詞:時(shí)間序列分析;預(yù)測(cè);模型
中圖分類號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2010)02-257-02
The Theory And Development Trend of Time Series Analysis
LIU Ying-hui, CAO Jia-lian
(Dalian Jiaotong University, Dalian 116028, China)
Abstract: The theory and method which were provided by the time series analysis is one of the tools to carry out lage-scal sophisticdted research projects .In later years some scholars have achieved a lot of significant results in the study of time series analysis,and some made innovationsbased on the original methods of time series analysis and obtained new forecasting methods. This paper is the summary of the basic theories, methods, and illuminate its dynamic research and trend of development about time series analysis.
Key words: time series analysis; forecasting; model
1 Introduction
Time series analysis provide a method which is used to process the dynamic data. Our task then, is to identify an appropriate subclass of mathematical models that may be employed to represent a given time series, from the models we can learn the inherent structure and complex character of the data, on the one hand, and reach the goal of forecasting the future state of the system and make necessary control, on the other.
2 Time series analysis
2.1 Time series analysis concept and background
A great deal of data in business, economics, engineering and the natural sciences occur in the form of time series where observations are dependent and where the nature of this dependence is of interest in itself. The body of techniques available for the analysis of such series of dependent observations is called time series analysis.[1] Statistical analysis of time series data started a long time ago and forecasting has an even longer history. In 1927 mathematician Yuel who introduced the AR(autoregressive) model which used to manipulate economic data which were taken from observations recorded over time and forecasting, and this is the original method of time series analysis. Then based on the AR model another mathematician established MA(moving average) model. In 1970, the publication of Time Series Analysis: Forecasting and Control by BOX and Jenkins was an important milestone for time series analysis. It provided moving systematic approach that enables practitioners to apply time series methods in forecasting. After that the method of time series analysis make a new step, it was widely applied in engineering domains. In recent years the theory and method of time series analysis are further improved with the development of computing technology and signal processing, on the one hand, algorithm parameter estimate, pattern recognition, and the method of defining orders, etc. Are combined with intelligent computing and achieved significant results, on the other.
2.2 Time series analysis theory progress
Theoretical progress of time series analysis is mainly manifested in two aspects: nonlinear model theory and unit root theory. The progress of nonlinear model theory is focused on both the problem of geometric traversal and nonlinear process stationary. Chen, Tsay(1991), Petruccelli and Woolford who drew significant conclusions for the simple TAR(1) model[2].
Unit root theory is developed faster in the time series analysis theories, later years. This theory is used to study the asymmetric of random walks statistics, more and more contemporaneous econometricians and statisticians devote to unit root theory. This theory provides formal test methods to define the difference order of ARIMA model, as well as, opens up new fields for some statistics tests. Unit root test was extended to pluralistic by Tsay and Tiao (1990) which is called cointegration test.
2.3 Time series model
Our objective will be to derive models possessing maximum simplicity and the minimum number of parameters consonant with representational adequacy. The obtaining of such models is important. Because: 1) They may tell us something about the nature of the system generating the time series, 2) They can be used for obtaining optimal forecasts of future values of the series, 3) They can be used in the derivation of optimal control policies. 4) When two or more related time series are under study, they can be extended to represent dynamic relationships between the variables and hence to estimate transfer function. The general models are: AR(autoregressive) model, MA(moving average) model, ARMA(autoregressive moving average)model, and ARIMA (autoregressive integrated moving average)model.
1) AR(p) model: This model may be written :zt =?準(zhǔn)1zt-1+?準(zhǔn)2zt-2…+?準(zhǔn)pzt-p+at (1)
Where we now use the symbols ?準(zhǔn)1?準(zhǔn)2…?準(zhǔn)p for the finite set of weight parameters and at for white noise .The process defined by(1) is called an autoregressive processive process of order p , or more succinctly ,an AR(p) process.
2) MA (q) model: The process: zt=at-θ1at-1-θ2at-2…-θqat-q (2)
Where we now use the symbols -θ1,-θ2,…-θq for the finite set of weight parameters. The process defined by(2) is called a moving average process of order q, which we sometimes abbreviate to MA(q). Using the linear combination of random perturbation and forecasting error from past period to express the current forecast.
3) ARMA (p, q) model: The ARMA model ,the forecasting methods is also called Box-Jenkins(BJ) model . If the time series ztis equal to its current and previous error and random items ,as well as its linear function of the preliminary value , ARMA(p, q) model is expressed as : zt =?準(zhǔn)1zt-1+?準(zhǔn)2zt-2…+?準(zhǔn)pzt-p+at-θ1at-1-θ2at-2…-θqat-q (3)
This model is called the (p, q) -order autoregressive moving average model. Parameters ?準(zhǔn)1?準(zhǔn)2…?準(zhǔn)p are the autoregressive parameters; θ1θ2…θq are the average parameters, is the estimated parameters of the model
4) ARIMA(p, d, q) model: The most general form of an ARIMA process is:
zt=?準(zhǔn)1zt-1+?準(zhǔn)2zt-2…+?準(zhǔn)p+dzt-p-d + at-θ1at-1-θ2at-2…-θqat-q (4)
Where p, q and d indicate the autoregressive, moving average and difference orders of the process respectively. This model capable of representing time series which, although not necessarily stationary, are homogeneous and in statistical equilibrium. The relating of a model of this kind to data is usually best achieved by a three stage iterative procedure based on identification, estimation, and diagnostic checking. The first three are linear stationary models and the last one is the nonstationary model.
3 Development trend
Although the research of time series analysis has achieved much progress both in theory and method in these years which also been employed into the prediction and control in many fields, and the results are satisfactory. As we all know the model and the method of data processing are not perfect so the forecasting results are not very accurate. Therefore, in this area also have many issues worth to exploring and the work in the future will focus on the following aspects:
1) Multivariable time series
The multivariable time series (MTS)dataset is a common data type in various scientific domains. An MTS is usually very high dimensional with its main distinguishing characteristic being the inter-correlations among its variables and these variables can supply more effective information, thus obtaining better prediction results. So it is significant to do some research on the analysis and modeling of the multivariable time series.
2) Neural networks
Although a large number of forecasting techniques have been put forward in recent years, the information of time series data is incomplete and various factors, so the forecasting system with an ability of intelligent information process is necessary, the use of neural network may be a attempt in this field. Fuzzy logic and genetic algorithms will be incorporated to neural network in order to achieve more accurate prediction.
3) Date preprocessing
With the coming of the information age, we are confronted with increasing data and information in many fields. However, as we known, there are many issues in database, such as redundant data, missing data, uncertain data, inconsistent data, etc. they are the barriers to knowledge discovery and some times they will affect the accuracy of the prediction. Therefore, in order to improve the efficient of data mining and reduce the size of data processing, it is necessary to process the initial data before data mining. The method of how to process large scale data efficiently will play an important role in the future research.
4) Time interval
Not only study the common time series data, but the time interval of different observations may be a development trend. Therefore, the time when events occurred will play a key role in time series analysis and forecasting.
4 Conclusion
Time series analysis has become increasingly important in many fields, such as: economic, engineering and natural sciences, etc. This paper mainly summary the basic theories and methods of time series analysis, several generally models and the tendency in the future. In this area there are also many issues that worth to exploring and in the future the work will focus on data processing, multivariable time series analysis and so on. Therefore, in order to study the time series analysis in the deeper level, lots of work still need to be completed.
References:
[1] Box G E P, Jenkins G M. Time Series Analysis: Forecasting and Control[M]. Holden-Day, San Francisco, 1976.
[2] Pandit S M, Wu S M. Time Series and System Analysis With applications[M]. New York:Wiley,1983.
[3] An Hong-zhi, Time Series Analysis[M]. East China Normal University Press,1922.
[4] Dong Zhen-guo. Study on the time-series modeling of China's per capita GDP[J]. Contemporary Manager(The Last Ten-Day of A Month), 2006,(11):15
[5] Cheng Zhen-yuan, Time Series Analysis:historical review and future pospects[J]. Statistics and Decision,2002,(9):45-46.
[6] Jia Peng-chao, Overview of time series data mining[J]. Application Research of Computers ,2007,(11):16-18.
關(guān)鍵詞：幼兒焦慮 干預(yù)措施
研究表明，目前“學(xué)前兒童中，心理壓力較大的孩子約占10%”。正是這些日益增多的心理壓力，讓孩子產(chǎn)生越來(lái)越多的心理行為問(wèn)題。焦慮癥在兒童心理疾病中占有相當(dāng)高的比例，隨著兒童壓力的增大，兒童焦慮出現(xiàn)的比例也相應(yīng)增加，這些焦慮種類繁多，表現(xiàn)形式多樣，并呈現(xiàn)低齡化趨勢(shì)。
一、幼兒焦慮的表現(xiàn)形式
幼兒焦慮有不同的表現(xiàn)形式，通常幾種行為問(wèn)題同時(shí)出現(xiàn)在一個(gè)幼兒身上。主要表現(xiàn)為：無(wú)緣無(wú)故哭泣、注意力難集中、坐立不安、找借口離園、念叨、跟人等，還有一些幼兒存在生理上的反應(yīng)，如遺尿、無(wú)大便、肚子痛、頭痛、惡心嘔吐、食欲不振等。
二、幼兒焦慮的因素分析
眾所周知人的情緒不是自發(fā)產(chǎn)生的，而是由各種各樣的刺激引起的。引起焦慮情緒的刺激多數(shù)是外在的，但有時(shí)也是內(nèi)在的，幼兒園幼兒焦慮產(chǎn)生的影響因素更是多種多樣。下面，筆者主要從家庭因素、幼兒園教育教養(yǎng)因素、幼兒自身因素三方面來(lái)分析幼兒焦慮形成的原因。
1、家庭不良的教養(yǎng)方式
家庭教養(yǎng)方式，一般是指父母在對(duì)子女實(shí)施教育和撫養(yǎng)中通常運(yùn)用的方法和形式，是教育觀念和教育行為的綜合體現(xiàn)?！辈煌募彝ソ逃绞綍?huì)產(chǎn)生不同的教育效果。現(xiàn)在有很多家庭對(duì)孩子非常的溺愛(ài)，他們對(duì)孩子一味遷就、一味滿足、百依百順，但是，他們往往只是注重滿足孩子的物質(zhì)需求，而忽略了孩子的情感需要。在這種環(huán)境下長(zhǎng)大的孩子往往比較自私、任性、依賴性強(qiáng)，他們的情緒極易不穩(wěn)、過(guò)度自傲或自卑、意志薄弱、缺乏自信、交際困難以及軟弱無(wú)能。
2、幼兒教師焦慮情緒的影響
幼兒教師的焦慮問(wèn)題正日益受到人們的關(guān)注。如果幼兒教師焦慮水平過(guò)高，她們對(duì)幼兒可能表現(xiàn)出不耐煩、攻擊性強(qiáng)，如諷刺、謾罵幼兒、缺乏寬容等等。教師的焦慮水平還容易傳染給幼兒，使幼兒同樣也出現(xiàn)高焦慮水平。
三、防范和減少幼兒的焦慮
1、 建立高質(zhì)量的家庭教養(yǎng)方式
父母尤其是母親對(duì)待孩子的態(tài)度和行為，會(huì)影響兒童對(duì)父母的依戀關(guān)系。如果父母總是對(duì)孩子的需求非常敏感、反應(yīng)迅速，能夠給兒童一種“無(wú)條件的愛(ài)”，就會(huì)讓孩子產(chǎn)生一種安全感，幼兒知道，如果自己有了困擾或危險(xiǎn)，父母一定會(huì)及時(shí)的給予幫助。這樣，孩子和父母之間就建立了最基本的信賴關(guān)系，形成有安全感的依戀。對(duì)父母有安全感的幼兒，大多不會(huì)懼怕陌生的環(huán)境和人。即使遇到必須和父母分離的情況，他們會(huì)出現(xiàn)適度的、短暫的分離焦慮，經(jīng)過(guò)旁人的安撫，他們很快就會(huì)安靜下來(lái)，把注意力轉(zhuǎn)移到其他事情上。而對(duì)父母有不安全感的孩子往往害怕陌生人，到了新環(huán)境會(huì)顯得很膽怯、畏縮。這些孩子在必須和媽媽分離的時(shí)候，會(huì)表現(xiàn)出過(guò)度的焦慮不安和氣惱，長(zhǎng)時(shí)間大哭大鬧，膽小或攻擊，自殘等。
2、 積極評(píng)價(jià)和悅納幼兒
兒童有積極關(guān)注的需要，即兒童有對(duì)諸如溫暖、愛(ài)、同情、關(guān)懷、尊重以及被人承認(rèn)、接納的需要[4]。只有在給予兒童積極關(guān)注的基礎(chǔ)上，兒童才會(huì)產(chǎn)生安全感，才會(huì)產(chǎn)生“自我關(guān)注”，也就是說(shuō)，兒童只有得到別人的肯定之后，然后才會(huì)肯定自己。而父母的陪伴，老師的關(guān)愛(ài)和親近，小朋友的主動(dòng)交往，都會(huì)讓幼兒感到溫暖和支持。其中比較實(shí)用的一種方式是用體態(tài)語(yǔ)言向孩子提供積極的信息支持。比如，時(shí)常對(duì)幼兒進(jìn)行擁抱、，拍拍他的背，捏捏他的鼻子，揪揪他的耳朵等。孩子非常喜歡這種身體的接觸，這樣的接觸實(shí)際上是一種無(wú)聲的交流，在成人的擁抱中感受到愛(ài)和力量。因此，作為父母和教師，必須要注意，在評(píng)價(jià)孩子的時(shí)候多用肯定語(yǔ)句，比如，“小寶真行”“小寶真能干”“我相信你”之類的話，讓孩子真正感受到你的支持與肯定，感受到你是尊重他、愛(ài)他的，這樣，孩子就會(huì)變得自信，變得有安全感，即使遇到挫折，也會(huì)從容應(yīng)對(duì)。
參考文獻(xiàn)
關(guān)鍵詞：建筑物 時(shí)間序列 變形監(jiān)測(cè) MA模型 預(yù)報(bào)
中圖分類號(hào)：TUl96 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）07（b）-0000-00
變形監(jiān)測(cè)是對(duì)被監(jiān)測(cè)的對(duì)象或物體進(jìn)行測(cè)量，以確定其空間位置及內(nèi)部形態(tài)隨時(shí)間的變化特征[1] 。目前變形監(jiān)測(cè)數(shù)據(jù)的分析理論比較成熟和常用的是回歸分析[2]。它的主要思想是：嘗試尋找對(duì)建筑物變形有影響的主要因子，剔除弱影響因子，建立變形量與各因子之間的多元線性關(guān)系[3] ，進(jìn)而進(jìn)行分析與預(yù)測(cè)。但缺點(diǎn)是：尋找因子變量比較困難，難以保證各因子之間是相互獨(dú)立或不相關(guān)的，且建立回歸方程需要豐富的經(jīng)驗(yàn)知識(shí)[3， 4] 。相對(duì)來(lái)說(shuō)，當(dāng)只有變形量，而缺失其他信息時(shí)，時(shí)間序列分析的建模過(guò)程則比較簡(jiǎn)單。它的出發(fā)點(diǎn)是承認(rèn)數(shù)據(jù)的有效性和相關(guān)性，只需得到變形數(shù)據(jù)序列自身的規(guī)律性[5， 6]，不需要考慮其它數(shù)據(jù)的影響，也不必考慮它們是否相關(guān)，具有極大的優(yōu)越性，所以在動(dòng)態(tài)數(shù)據(jù)處理中有著越來(lái)越廣泛的應(yīng)用。
1 時(shí)間序列模型及算法
1.1 建模思想
時(shí)間序列是一組按照一定的觀測(cè)順序獲得的具有動(dòng)態(tài)統(tǒng)計(jì)特性的觀測(cè)數(shù)據(jù)，并且彼此之間具有記憶的特征[7， 8] ，時(shí)間序列建模就是建立數(shù)據(jù)序列的過(guò)去值與將來(lái)值之間的聯(lián)系，尋找其變化規(guī)律[9]。如果一個(gè)時(shí)間序列能夠滿足平穩(wěn)、正態(tài)的條件[10] ，就可以同其前p步的觀測(cè)值及前q步的擾動(dòng)值建立模型ARMA（p，q），（p階平穩(wěn)自回歸q階滑動(dòng)平均模型）：
（1）
其中：p為自回歸階數(shù)，q為滑動(dòng)平均階數(shù)， 為模型參數(shù)， 為白噪聲序列 ，對(duì) 。引入延遲算子B， 。則模型可變?yōu)椋?/p>
（2）
當(dāng)q=0時(shí)，ARMA模型就成為了AR（p）模型（平穩(wěn)自回歸模型）：
（3）
當(dāng)p=0時(shí)，ARMA模型就成為了MA（q）模型（滑動(dòng)平均模型）：
（4）
1.2 數(shù)據(jù)分析與處理
獲取變形數(shù)據(jù)后，需要檢驗(yàn)數(shù)據(jù)序列的平穩(wěn)性。如果數(shù)據(jù)序列是非平穩(wěn)的，可利用差分、季節(jié)差分、對(duì)數(shù)變換與差分運(yùn)算等手段進(jìn)行平穩(wěn)化[11]。事實(shí)上，任何非平穩(wěn)的時(shí)間序列只要通過(guò)適當(dāng)階數(shù)的差分后平穩(wěn)，就可以對(duì)差分序列進(jìn)行ARMA模型擬合[12] 。
差分處理：對(duì)于非平穩(wěn)模型 （5）
可引入差分算子 ，則 ，通過(guò)適當(dāng)?shù)牟罘诌\(yùn)算可得
（6）
1.3 模型的識(shí)別與初步定階
模型識(shí)別可采用相關(guān)函數(shù)法，即依據(jù)ACF和PACF的拖尾性與截尾性，判斷依據(jù)如下：自相關(guān)函數(shù)估值拖尾，偏相關(guān)函數(shù)估值p階截尾，可判斷為AR（p）模型；自相關(guān)函數(shù)估值q階截尾，偏相關(guān)函數(shù)估值拖尾，可判斷為MA（q）模型；自相關(guān)函數(shù)估值和偏相關(guān)函數(shù)估值均拖尾，可判斷為ARMA（p，q）模型。只是ARMA模型階數(shù)的確定更加復(fù)雜，通常采用從低階到高階逐個(gè)取為（1，1），（1，2），（2，1）…定出估計(jì)模型，再進(jìn)行模型估計(jì)和檢驗(yàn)，直到被接受為止。
1.4 模型檢驗(yàn)
相關(guān)函數(shù)方法是利用相關(guān)函數(shù)的截尾性來(lái)確定模型的階數(shù)，是初步確定階數(shù)的范圍，還要用F檢驗(yàn)法進(jìn)行檢驗(yàn)判別，有判別式： （7）
其中： ， 分別為ARMA（p-1，q-1），ARMA（p，q）的殘差平方和，N為樣本長(zhǎng)度。給定顯著性水平 查出臨界值 ，若 則H0成立，可取ARMA（p，q）為合適模型，否則模型階數(shù)仍有上升的可能。
如果所建立的模型是合適的，該序列就應(yīng)該是白噪聲序列的樣本序列，模型是否合適，可通過(guò)檢驗(yàn)該序列是否為白噪聲序列來(lái)判斷。N充分大時(shí)，有 ，因此可用 分布檢驗(yàn)法來(lái)檢驗(yàn)?zāi)Ｐ褪欠窈线m。
1.5 參數(shù)估計(jì)與預(yù)報(bào)
模型的階數(shù)p，q確定后，就要對(duì)模型參數(shù)進(jìn)行估計(jì)，這也是建立時(shí)間序列模型的關(guān)鍵，一般通過(guò)最小二乘法迭代求出參數(shù)的精確估計(jì)值。線性函數(shù)如下：
（8）
所以 的最小二乘估值為 ，噪聲的估值為 。
在許多實(shí)際應(yīng)用中，進(jìn)行時(shí)間序列分析，建立模型的主要目的就是對(duì)未來(lái)的發(fā)展趨勢(shì)進(jìn)行數(shù)值預(yù)報(bào)，進(jìn)而采取相應(yīng)措施 。在確定模型的各項(xiàng)參數(shù)之后，就可以進(jìn)行預(yù)報(bào)了。
2 實(shí)例分析
地鐵二號(hào)線經(jīng)過(guò)解放碑，該地是重慶的重要標(biāo)志，周圍高聳建筑物較多、人口密集，現(xiàn)對(duì)該站周圍建筑物實(shí)施了沉降觀測(cè) ，每天觀測(cè)值為一期 ，共觀測(cè)29期，獲得了點(diǎn)的累積沉降序列?，F(xiàn)選取該站某一觀測(cè)點(diǎn)J2的沉降數(shù)據(jù)進(jìn)行分析預(yù)報(bào)，觀測(cè)數(shù)據(jù)如下表1。
表1 觀測(cè)值表
序號(hào) 觀測(cè)值 m 序號(hào) 觀測(cè)值 m 序號(hào) 觀測(cè)值 m 序號(hào) 觀測(cè)值 m
1 3.790 0 9 3.786 3 17 3.786 6 25 3.786 2
2 3.789 2 10 3.786 0 18 3.786 6 26 3.786 0
3 3.788 6 11 3.785 5 19 3.786 4 27 3.784 0
4 3.788 1 12 3.786 1 20 3.785 8 28 3.786 6
5 3.787 9 13 3.785 2 21 3.7861 29 3.786 1
6 3.787 5 14 3.785 6 22 3.785 8
7 3.788 2 15 3.786 3 23 3.785 6
8 3.786 1 16 3.785 6 24 3.785 9
2.1 數(shù)據(jù)差分處理
作時(shí)序圖，如圖1所示。
圖1 J2點(diǎn)時(shí)序圖
原時(shí)間序列為非平穩(wěn)序列，需進(jìn)行二階差分，差分結(jié)果如圖2?？梢钥闯?，差分后數(shù)據(jù)變?yōu)槠椒€(wěn)序列，可以進(jìn)行時(shí)間序列建模。
圖2：2階差分時(shí)序圖
2.2 模型建立
計(jì)算協(xié)方差和相關(guān)系數(shù)，得到自、偏相關(guān)系數(shù)圖如下圖3。
圖3：自相關(guān)偏相關(guān)系數(shù)圖
由圖可知該序列的偏相關(guān)系數(shù) 衰減緩慢，且當(dāng)k增大時(shí)有明顯的趨于零的趨勢(shì)，所以 是拖尾的。自相關(guān)系數(shù) 在k=2時(shí)急劇減小，且在k=2及之后的值全小于 ，所以認(rèn)為 在k=1處截尾，初步判斷模型為MA（1）。
2.3 模型檢驗(yàn)
1） F檢驗(yàn)：通過(guò)計(jì)算可得MA（1），MA（2），MA（3）的殘差平方和分別為為 ， ， 。取顯著性水平 =0.05，對(duì)于MA（1），MA（2）模型有F> ，則原假設(shè) 成立，即MA（1）不合適。繼續(xù)檢驗(yàn)MA（2），MA（3）模型有F < ，原假設(shè) 不成立，可取MA（3）為合適的模型。經(jīng)檢驗(yàn)最終確定合適的模型為MA（3）。
2） 白噪聲檢驗(yàn)： 取k≈N/10=2，可用 檢驗(yàn)法來(lái)檢驗(yàn)假設(shè) ： 是否成立。在顯著性水平 =0.05下，經(jīng)計(jì)算得Q< ，所以接受假設(shè) ，即就模型噪聲的獨(dú)立性而言所建立模型是合適的，檢驗(yàn)結(jié)束。
2.4 預(yù)測(cè)結(jié)果及分析
利用建立的時(shí)序模型對(duì)變形數(shù)據(jù)進(jìn)行預(yù)測(cè)，效果如下圖4所示。
圖4：模型的預(yù)測(cè)效果
從預(yù)測(cè)值和觀測(cè)值的比較結(jié)果來(lái)看，可得出兩點(diǎn)結(jié)論：
（1）在短時(shí)間預(yù)測(cè)內(nèi)，J2點(diǎn)的觀測(cè)值與預(yù)測(cè)值的誤差均在 范圍內(nèi)，誤差較小。預(yù)測(cè)效果較為理想，能夠準(zhǔn)確的反映建筑物變形的變化規(guī)律，預(yù)測(cè)其變形的發(fā)展趨勢(shì)，具有一定的實(shí)用性，可以作為監(jiān)測(cè)預(yù)報(bào)的依據(jù)。
（2）時(shí)間序列模型對(duì)于短期內(nèi)的預(yù)測(cè)精度較高，當(dāng)時(shí)間延遲過(guò)長(zhǎng)時(shí)，誤差會(huì)越來(lái)越大，要根據(jù)其特點(diǎn)進(jìn)行合理的運(yùn)用，及時(shí)更新模型，避免預(yù)測(cè)時(shí)間過(guò)長(zhǎng)導(dǎo)致錯(cuò)誤。
3 結(jié)語(yǔ)
本文通過(guò)分析時(shí)間序列模型及其在大型建筑物變形中的監(jiān)測(cè)效果，揭示了時(shí)序模型在工程預(yù)測(cè)中的適用性。時(shí)序模型預(yù)測(cè)對(duì)變量間的關(guān)系要求較低，在工程實(shí)踐中能夠?qū)崟r(shí)動(dòng)態(tài)地建模、預(yù)測(cè)變形情況，同時(shí)又具有較高的預(yù)測(cè)精度，有利于監(jiān)測(cè)工程的質(zhì)量，并隨時(shí)做出調(diào)整。在建筑行業(yè)快速發(fā)展的今天，充分利用時(shí)間序列模型的優(yōu)勢(shì)，并結(jié)合實(shí)際情況，實(shí)時(shí)、準(zhǔn)確的把握建筑物的變形動(dòng)向，將為人們的生產(chǎn)和生活帶來(lái)諸多的安全保障。
參考文獻(xiàn)
[1] 江冬明.基于某船舶基地的變形監(jiān)測(cè)[J].科技資訊，2013（33）： 35-36.
[2] 李世平，郭泉河.采用ARMA模型對(duì)變形監(jiān)測(cè)數(shù)據(jù)處理與預(yù)報(bào)[J]. 礦山測(cè)量， 2013（5）： 70-72.
[3] 沈月千，黃騰，陳喜鳳，等. 逐步回歸分析在橋梁撓度變形預(yù)測(cè)中的應(yīng)用[J]. 工程勘察， 2012， 40（7）： 79-83.
[4] 田振華，謝忱，魏超. 基于MATLAB的時(shí)間序列在大壩位移預(yù)測(cè)中的應(yīng)用[C]. 昆明： 2010：1-8
[5] 王國(guó)鋒 ，王子良，王太勇，等 . Matlab在時(shí)間序列分析中的應(yīng)用[J]. 應(yīng)用科技， 2003（5）： 36-38.
[6] 張善文，雷英杰，馮有前. MATLAB 在時(shí)間序列分析中的應(yīng)用[M]. 西安： 西安電子科技大學(xué)出版社， 2007.
[7] 吳蕓蕓，左廷英，朱建軍. 時(shí)間序列分析在變形監(jiān)測(cè)中的應(yīng)用[J]. 工程勘察， 2012（1）： 69-72.
[8] 閆利成，李國(guó)輝，張建龍. 時(shí)間序列分析在某滑坡變形監(jiān)測(cè)預(yù)報(bào)中的應(yīng)用[J]. 鐵道勘察， 2014（5）： 15-18.
[9] 徐愛(ài)功，李娜，張濤. 時(shí)間序列分析在地鐵沉降觀測(cè)中的應(yīng)用[J]. 測(cè)繪科學(xué)，2013， 38（5）： 57-59.
[10] 成偉， 陳建兵. 高層建筑物沉降監(jiān)測(cè)數(shù)據(jù)綜合分析的幾種方法[J]. 地礦測(cè)繪， 2004， 20（1）： 1-3.
數(shù)字化檔案的憑證價(jià)值，取決于元數(shù)據(jù)的整體性，如果對(duì)于某份數(shù)字化檔案的元數(shù)據(jù)整體中某一項(xiàng)元數(shù)據(jù)缺失，那么該份數(shù)字化檔案的憑證價(jià)值也就喪失。因此元數(shù)據(jù)的實(shí)施一定要標(biāo)準(zhǔn)化，要想保證元數(shù)據(jù)在實(shí)施中的整體性，只能依靠標(biāo)準(zhǔn)化。
1數(shù)字化檔案管理元數(shù)據(jù)需求分析的內(nèi)涵
在現(xiàn)有的國(guó)際、國(guó)內(nèi)、行業(yè)等標(biāo)準(zhǔn)的基礎(chǔ)之上，才能實(shí)現(xiàn)數(shù)字化檔案管理元數(shù)據(jù)的需求分析，這些是針對(duì)具體的數(shù)字化檔案類型、用戶、業(yè)務(wù)管理流程等采用科學(xué)的方法所進(jìn)行的元數(shù)據(jù)模型中元數(shù)據(jù)功能項(xiàng)的設(shè)置分析及對(duì)其描述的過(guò)程。這個(gè)功能的意思是要基于元數(shù)據(jù)元素、元數(shù)據(jù)模型。根據(jù)這一定義，應(yīng)該明確的是，數(shù)字化檔案管理元數(shù)據(jù)的需求首先是一種功能需求，需要確定需求分析的信息源并施以科學(xué)的方法。
2 數(shù)字化檔案管理元數(shù)據(jù)需求分析的信息源
數(shù)字化檔案管理需求分析的信息源，是以數(shù)字化檔案管理元數(shù)據(jù)需求分析的信息來(lái)源范圍為主要的另外包含權(quán)威性文獻(xiàn)、數(shù)字化檔案本身、用戶等。
就其本身而言的話，數(shù)字化檔案的分類豐富，有多媒體數(shù)字化檔案、視頻檔案、音頻檔案、圖像、圖形檔案盒數(shù)字處理檔案，因此，其信息源范圍可以是關(guān)于字處理檔案、圖像檔案、圖形檔案、音頻檔案、視頻檔案以及多媒體數(shù)字化檔案的管理元數(shù)據(jù)范圍的需求分析。
針對(duì)權(quán)威性文獻(xiàn)而言，權(quán)威性文獻(xiàn)可以分為法規(guī)、標(biāo)準(zhǔn)、政策、規(guī)范、最佳實(shí)現(xiàn)及理論等，因此，其信息源的分析范圍可以是國(guó)內(nèi)外的有關(guān)文件管理、檔案管理和數(shù)字化檔案管理的法規(guī)、標(biāo)準(zhǔn)、規(guī)范、最佳實(shí)踐及理論中存在著的有關(guān)對(duì)數(shù)字化檔案管理元數(shù)據(jù)需求的分析。
針對(duì)用戶而言，信息源的分析范圍可以是對(duì)文件管理者、檔案管理者、數(shù)字化檔案管理者、計(jì)算機(jī)系統(tǒng)管理員以及數(shù)字化檔案利用者所提出的分析方法。
3 數(shù)字化檔案管理元數(shù)據(jù)需求的分析方法
在數(shù)字化檔案管理元數(shù)據(jù)領(lǐng)域中，對(duì)數(shù)字化檔案管理元數(shù)據(jù)進(jìn)行需求分析，要采用科學(xué)的方法才能保證其分析的科學(xué)性和準(zhǔn)確性。筆者認(rèn)為，有兩類方法：一類是自上而下演繹分析法；另一類是自下而上歸納分析法。
3.1自上而下演繹分析法
3.1.1文獻(xiàn)參考法
文獻(xiàn)參考法，以“文獻(xiàn)”形式表述有關(guān)法規(guī)、標(biāo)準(zhǔn)、政策、規(guī)范等，以保證符合現(xiàn)行法律的規(guī)定，是從“文獻(xiàn)”的抽象到具體數(shù)據(jù)元的確定的方法。主要是從所涉及文件管理的文獻(xiàn)中概括出數(shù)字化檔案元數(shù)據(jù)的需求。美國(guó)匹茲堡大學(xué)的元數(shù)據(jù)項(xiàng)目是運(yùn)用此法的主要代表項(xiàng)目，該項(xiàng)目主要研究文件管理的中憑證要求（簡(jiǎn)稱《baC項(xiàng)目》）。
3.1.2理論推導(dǎo)法
從文件管理理論出發(fā)進(jìn)行歸納演繹，以層層遞進(jìn)的邏輯來(lái)驗(yàn)證數(shù)字化檔案管理元數(shù)據(jù)的合理性，即是理論推導(dǎo)法。
目前流行的文件管理理論主要有：文件連續(xù)體理論、文件生命周期理論和文件運(yùn)動(dòng)理論。不論采取哪種理論作為我們的研究依據(jù)，都對(duì)數(shù)字化檔案管理元數(shù)據(jù)的需求均具有一定的指導(dǎo)意義。
以澳大利亞元數(shù)據(jù)研究項(xiàng)目《教育、研究與產(chǎn)業(yè)合作項(xiàng)目》（SPIRT project）為例，他們所制定的元數(shù)據(jù)主要依據(jù)澳大利亞所獨(dú)創(chuàng)的“文件連續(xù)體理論（records continuum thinking）”；而加拿大不列顛哥倫比亞大學(xué)研究項(xiàng)目《數(shù)字化檔案完整性保存項(xiàng)目（UBC）》則依據(jù)的是文件運(yùn)動(dòng)理論理論。按照我國(guó)目前的檔案管理相關(guān)理論，我們要采取在我國(guó)比較流行的文件生命周期理論。
3.2自下而上歸納分析法
3.2.1調(diào)查訪問(wèn)法
通過(guò)對(duì)文件創(chuàng)建人員、文件管理人員等相關(guān)的專業(yè)人員等進(jìn)行跟蹤訪談和數(shù)據(jù)分析，按照用戶的實(shí)際需要，在大數(shù)據(jù)的基礎(chǔ)上得出數(shù)字化檔案管理元數(shù)據(jù)需求。另外用到此方法的是在跨國(guó)聯(lián)合項(xiàng)目――文件永久性憑證性問(wèn)題在電子系統(tǒng)里的應(yīng)用（簡(jiǎn)稱INTERPARPES）。
3.2.2流程實(shí)際法
按照檔案實(shí)際管理的業(yè)務(wù)流程為基礎(chǔ)，通過(guò)數(shù)字化檔案在管理過(guò)程中的運(yùn)動(dòng)為分析的切入點(diǎn)進(jìn)行需求分析。研究者持有這類分析方法會(huì)認(rèn)為文件管理流程和元數(shù)據(jù)是分不開(kāi)的，所以，要理解元數(shù)據(jù)，就要緊緊聯(lián)系數(shù)字化檔案管理流程實(shí)際，值得注意的是，不是傳統(tǒng)的手工管理業(yè)務(wù)流程。
以上方法各有優(yōu)劣，如文獻(xiàn)參考法，可以從宏觀上保證建立的數(shù)字化檔案管理元數(shù)據(jù)具有合法性和憑證性，但建立的標(biāo)準(zhǔn)過(guò)于寬泛；理論推導(dǎo)法，可以保證其合理性和系統(tǒng)性，但建立的標(biāo)準(zhǔn)偏向理論性，實(shí)用性不強(qiáng)；基于用戶訪問(wèn)法建立的標(biāo)準(zhǔn)，其實(shí)用性和操作性較好，但缺乏完整性與系統(tǒng)性；流程實(shí)際法，即使具有可行和運(yùn)用性范圍依舊被局限。所以說(shuō)，數(shù)字化檔案管理元數(shù)據(jù)的需求分析時(shí)，需要綜合作用各類所學(xué)多種方法分析需求，而不是孤立、單一的只作用一種方法，這樣做才可能滿足數(shù)字化檔案元數(shù)據(jù)更全面和客觀的需求。
4關(guān)于數(shù)字化檔案管理元數(shù)據(jù)需求分析體系模擬建構(gòu)
在以上探討數(shù)字化檔案管理元數(shù)據(jù)需求分析的內(nèi)涵、信息源及方法的基礎(chǔ)上，筆者嘗試模擬建構(gòu)需求分析體系。
首先，根據(jù)具體行業(yè)、應(yīng)用領(lǐng)域的目標(biāo)與特點(diǎn)，確定數(shù)字化檔案管理元數(shù)據(jù)需求分析的信息源；需求分析的信息源主要包括，文獻(xiàn)（規(guī)范、標(biāo)準(zhǔn)）、數(shù)字化檔案本身、用戶、數(shù)字化檔案管理業(yè)務(wù)流程等方面。其次，對(duì)需求分析信息源進(jìn)行分類整理、審讀，綜合采用科學(xué)的方法對(duì)信息源進(jìn)行分析，簡(jiǎn)練出數(shù)字化檔案管理數(shù)據(jù)的需要并形成需求陳述。再次，針對(duì)各需求陳述進(jìn)行元數(shù)據(jù)的提煉，將提煉到的元數(shù)據(jù)進(jìn)行分類，再將具體的元數(shù)據(jù)納入到分析框架。最后，判斷元數(shù)據(jù)元素項(xiàng)的設(shè)置，形成數(shù)字化檔案管理元數(shù)據(jù)體系模型。
參考文獻(xiàn)：
[1]陰龐龍，何景武. 大型客機(jī)構(gòu)型管理研究[J]. 民用飛機(jī)設(shè)計(jì)與研究，2009（S1）
