home *** CD-ROM | disk | FTP | other *** search
/ OS/2 Shareware BBS: Science / Science.zip / tsa.zip / tsa.INF (.txt) < prev    next >
OS/2 Help File  |  1996-06-03  |  59KB  |  2,276 lines
  1.  
  2. ΓòÉΓòÉΓòÉ 1. Introduction ΓòÉΓòÉΓòÉ
  3.  
  4. In the last 10 years the physics of chaotic and nonlinear behavior became more 
  5. and more popular. Many authors and scientists have worked with nonlinear data 
  6. sets. They have developed many routines to estimate all functions one needs to 
  7. analyse an unknown system. At this a scientist has no program or an integrated 
  8. environment which can do all calculations and visualize the results. 
  9. During the work with nonlinear systems one recognizes that there are a lot of 
  10. different possibilities to calculate a specific function. The most important 
  11. question is, which routine is the best for the actual system? 
  12. The Time Series Analyzer (TSA) is designed to work with nonlinear time series. 
  13. All routines are tested several times and if a routine seems to be stable it is 
  14. implemented in the main program. One of the most important problem with 
  15. nonlinear data sets is the calculation of proper reconstruction parameters like 
  16. the delay time and the embedding dimension. With the Time Series Analyzer it's 
  17. possible to calculate these reconstruction parameters automatic. Additionally 
  18. the Time Series Analyzer is able to plot all functions implemented in various 
  19. ways like 1D -, 2D-plot, and in real 3D plots (red-green projection). 
  20.  
  21. Implemented functions:
  22. The following list gives you an overview about all possible calculations: 
  23.  
  24. o Autocorrelation 
  25. o SQ Autocorrelation 
  26. o Poinacr╨Æ Maps 
  27. o Correlation Dimension 
  28. o Prediction Error 
  29. o Mutual Information 
  30. o Singular Value Decomposition 
  31. o Fourier spectrum 
  32. o Power spectrum 
  33. o Wavelet spectrum 
  34. o Lyapunov Bifurcation 
  35. o Lyapunov Exponents 
  36. o Kolmogorov Entropy 
  37. o Solving differential equations by a dynamic Runge-Kutta procedure 
  38.  
  39. At this time not all calculations are implemented, but I'm working hard to do 
  40. this. If you detect a bug in a routine, please contact me either by mail or by 
  41. e-mail to the following address: 
  42.  
  43. Time Series Analyzer is developed by: 
  44.  
  45.    Wolfgang Reichenbach 
  46.    Gervinusstra╤üe 55 
  47.    64287 Darmstadt 
  48.    Phone : W-Germany 06151/424547 
  49.    E-mail: Wolfgang.Reichenbach@physik.th-darmstadt.de 
  50.  
  51. You can get the newest version at 
  52.  
  53. o ftp://ftp.physik.th-darmstadt.de 
  54. o http://www.physik.th-darmstadt.de 
  55.  
  56.  
  57. ΓòÉΓòÉΓòÉ 2. Licence Agreement ΓòÉΓòÉΓòÉ
  58.  
  59. Grant of Rights 
  60. Wolfgang Reichenbach grants you the right to use the Software in the quantity 
  61. indicated on the enclosed Certificate of License. If this Software is an 
  62. upgrade or trade-up from a previous version of a produkt by Wolfgang 
  63. Reichenbach, Wolfgang Reichenbach grants you the right to use either the 
  64. current or prior version of the Software in the quantity indicated on the 
  65. Certificate and any prior version license is replaced by this Agreement. For a 
  66. single-user computer or workstation not attached to a network server, the 
  67. Software is considered "in use" when any portion of the Software is either 
  68. loaded in memory or virtual memory (Loaded), or stored on a hard disk or other 
  69. storage (Stored). For single-user computers or workstations attached to a 
  70. network (Network Stations), the quantity of the Software in use is considered 
  71. to be the maximum number of Network Stations on which the Software is either 
  72. Loaded or Stored at any one time. For multi-user computer,a use is counted for 
  73. every session of the Software running on the computer. 
  74.  
  75. Restrictions 
  76. You may not rent or lease the Software without the written permission of 
  77. Wolfgang Reichenbach. You may not decompile, disassemble, reverse engineer, 
  78. copy, create a derivative work, or otherwise use the Software except as stated 
  79. in this Agreement. Irrespective of the number of sets of media included with 
  80. the Software, you are granted the rights to use the Software only in the 
  81. quantity indicated on the Certificate of License. Certain qualifications may 
  82. apply to the purchase of this Software. These qualifications, if any, are 
  83. printed on the Software package and when present from part of this Agreement; 
  84. you must qualify in order to use the Software. 
  85.  
  86. Special Provisions 
  87. You are authorized to create and use an extra copy of the Software on a home or 
  88. laptop computer, as long as the extra copy is never Loaded at the same time the 
  89. Software is Loaded on the primary computer on which you use the Software. 
  90.  
  91. Special licensing provisions may apply for a qualified educational or 
  92. charitable institution. 
  93.  
  94. Limited Warranty / Limitations of Liability 
  95. This Software is licensed as is. If any materials or media in this package are 
  96. defective, return them within 90 days of the original date of purchase, and 
  97. Wolfgang Reichenbach will replace them at no charge. These Warranties are in 
  98. lieu of any other warranties, express or implied, including the implied 
  99. warranties of merchantability and fitness for a particular purpose. In no event 
  100. will Wolfgang Reichenbach be liable to you for damages, including any loss of 
  101. profits, lost savings, or other incidental or consequential damages arising out 
  102. of your use of or inability to use the Software, even if Wolfgang Reichenbach 
  103. or an authorized Represantative has been advised of the possibility of such 
  104. damages. 
  105.  
  106. Custumer Support 
  107. Wolfgang Reichenbach will attempt to answer your specific costumer support 
  108. requests; however, this service is offered to you on a best efforts basis only, 
  109. and Wolfgang Reichenbach not be able to resolve every support request. Wolfgang 
  110. Reichenbach supports the Software only so long as it is used under conditions 
  111. or on operating systems for which the Software was designed. 
  112.  
  113. General 
  114. If any provision of this Agreement shall be unlawful, void, or for any reason 
  115. unenforceable, then that provision shall be severed from this Agreement and 
  116. shall not affect the validity and enforceability of any remaining provisions. 
  117.  
  118.  
  119. ΓòÉΓòÉΓòÉ 3. Installation ΓòÉΓòÉΓòÉ
  120.  
  121. First way:
  122. The easiest way is to copy all files in a directory and use the Time Series 
  123. Analyzer 
  124.  
  125. Second way:
  126. You can use the installation program INSTALL.CMD to install the files. In 
  127. addition this program creates a Dekstop folder with all files in it. This 
  128. feature is optional. 
  129. Now the Time Series Analyzer uses dynamic link libraries (DLL's). either you 
  130. can copy it in the same directory as the executable or copy it in a special 
  131. directory 'DLL', if you do this, you must include this directory in your 
  132. LIBPATH statement in the CONFIG.SYS file on your boot drive. 
  133.  
  134.  
  135. ΓòÉΓòÉΓòÉ 4. File Formats ΓòÉΓòÉΓòÉ
  136.  
  137. The Time Series Analyzer reads three different file formats now: 
  138.  
  139. o Internal NLD format 
  140.   This is a binary format with an ASCII Header. It is developed to shrink the 
  141.   size of the files. 
  142.  
  143. o ASCII format 
  144.   Data ASCII files should contain one data point per line. Lines beginning with 
  145.   # will be treated as comments and ignored. For plots, each data point 
  146.   represents an (x,y, ...) pair. You can load up to 32MB data sets. 
  147.  
  148. o WAV Sound files 
  149.   You can record a sound files with your computer and load it. The files must 
  150.   be sampled mono with 11025 kHz. All other sampling rates are not supported. 
  151.   Sorry! 
  152.  
  153. Internal File Format NLD 
  154.  
  155. The Header Definition is plain ASCII, followed by binary data of the time 
  156. series and it is easy to implement. 
  157.  
  158. ΓöîΓöÇΓöÇΓöÇΓöÇΓö¼ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö¼ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÉ
  159. Γöé 1  Γöé  SFB_NLD_DA      Γöé  Identification String               Γöé
  160. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  161. Γöé 2  Γöé  V1.0            Γöé  Version Number (actual)             Γöé
  162. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  163. Γöé 3  Γöé  ROW             Γöé  Compression (not now)               Γöé
  164. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  165. Γöé 4  Γöé  2048            Γöé  Length of Time Series               Γöé
  166. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  167. Γöé 5  Γöé  Integer n       Γöé  Not used now                        Γöé
  168. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  169. Γöé 6  Γöé  Dimension d     Γöé  Dimension                           Γöé
  170. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  171. Γöé 7  Γöé  #% Title Text   Γöé  Title String                        Γöé
  172. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  173. Γöé 8  Γöé  DOUBLE/8BYTE    Γöé  Numberformat (C-Convension)         Γöé
  174. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  175. Γöé 9  Γöé  Samples / sec   Γöé  Samples per second                  Γöé
  176. Γö£ΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö╝ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöñ
  177. Γöé 10 Γöé  SFB_NLD_BEGIN   Γöé  End of Header, Begin of binary data Γöé
  178. ΓööΓöÇΓöÇΓöÇΓöÇΓö┤ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓö┤ΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÇΓöÿ
  179.  
  180. The binary data is a hardcopy of the used memory. If you are able to write 
  181. C-programs: Write the pointer to double (double *)p on disk after the header. 
  182.  
  183.  
  184. ΓòÉΓòÉΓòÉ <hidden> New ΓòÉΓòÉΓòÉ
  185.  
  186. New deletes the time series and all calculated functions in memory. You cannot 
  187. use this command to create a new times series. 
  188.  
  189.  
  190. ΓòÉΓòÉΓòÉ <hidden> Open Time Series ΓòÉΓòÉΓòÉ
  191.  
  192. Use Open Time Series to display a window that enables you to choose a Time 
  193. Series, following these steps. 
  194.  
  195.  1. Select the down arrow to the right of the Drive list to display all the 
  196.     drives on your system. 
  197.  2. Select a drive from the Drive list. 
  198.  3. Select a directory from the Directory list. 
  199.  4. Select a file name from the File list or type in a file name. 
  200.  5. Select the OK pushbutton to load a time series. 
  201.  
  202. The Time Series Analyzer reads three different file formats automatic: 
  203.  
  204. o Internal NLD format 
  205.   This is a binary format with an ASCII Header. It is developed to shrink the 
  206.   size of the files. 
  207.  
  208. o ASCII format 
  209.   Data ASCII files should contain one data point per line. Lines beginning with 
  210.   # will be treated as comments and ignored. For plots, each data point 
  211.   represents an (x,y, ...) pair. You can load up to 32MB data sets. 
  212.  
  213. o WAV Sound files 
  214.   You can record a sound files with your computer and load it. The files must 
  215.   be sampled mono with 11025 kHz. All other sampling rates are not supported. 
  216.   Sorry! 
  217.  
  218.  
  219. ΓòÉΓòÉΓòÉ <hidden> Save Time Series ΓòÉΓòÉΓòÉ
  220.  
  221. Use Save Time Series to display a window that enables you to choose the 
  222. functions to save. In addition you can specify the file format (nld or ASCII). 
  223. If you click on OK you will asked for a filename. 
  224.  
  225.  
  226. ΓòÉΓòÉΓòÉ <hidden> Page Setup ΓòÉΓòÉΓòÉ
  227.  
  228. Displays a window to change the size of the plot if you print the actual 
  229. screen. 
  230. To change the size of the plot, you can modify the values of width and height. 
  231. A small preview is displayed. 
  232.  
  233. You can print in landscape mode, but you must change the printer settings 
  234. directly at the printer object on yout desktop. If you are printing in 
  235. landscape mode, the preview is not displaying this, simply swap width and 
  236. height. 
  237.  
  238.  
  239. ΓòÉΓòÉΓòÉ <hidden> Print Screen ΓòÉΓòÉΓòÉ
  240.  
  241. A Printer dialog is displayed to change the printer. Select a printer and press 
  242. OK. After this the Time Series Analyzer prints the actual plot on screen. Make 
  243. all settings on screen and print it. 
  244.  
  245.  
  246. ΓòÉΓòÉΓòÉ <hidden> Charateristic ΓòÉΓòÉΓòÉ
  247.  
  248. Displays a windows with some information about the actual loaded time series. 
  249.  
  250. o Filename 
  251.   The Name of the time series including drive and path 
  252.  
  253. o Length 
  254.   The Length in Points 
  255.  
  256. o Dimension 
  257.   The dimension of the actual time series. For embedding you can use only one 
  258.   coordinate of the time series. 
  259.  
  260. o Sample time 
  261.   The time steps between to points in seconds. 
  262.  
  263.  
  264. ΓòÉΓòÉΓòÉ <hidden> Exit ΓòÉΓòÉΓòÉ
  265.  
  266. Use Exit to end the program. All functions and settings will be lost after 
  267. this. 
  268.  
  269.  
  270. ΓòÉΓòÉΓòÉ <hidden> About ΓòÉΓòÉΓòÉ
  271.  
  272.                               Time Series Analyzer
  273.                      A graphical environment for chaotic and
  274.                                nonlinear data sets
  275.  
  276.                        Version 0.96.1129 for OS/2 3.0 Warp
  277.  
  278.                                   copyright by
  279.                             Wolfgang Reichenbach 1994
  280.  
  281.                     e-mail: pixies@nlp.physik.th-darmstadt.de
  282.  
  283.  
  284. ΓòÉΓòÉΓòÉ <hidden> Copy as Bitmap ΓòÉΓòÉΓòÉ
  285.  
  286. Copies the actual screen as bitmap into the clipboard. 
  287. This function is a little bit buggy. Only a black rectangle will appear. 
  288.  
  289.  
  290. ΓòÉΓòÉΓòÉ <hidden> Copy as Metafile ΓòÉΓòÉΓòÉ
  291.  
  292. Copies the actual screen as metafile into the clipboard. 
  293.  
  294.  
  295. ΓòÉΓòÉΓòÉ <hidden> Clear the Screen ΓòÉΓòÉΓòÉ
  296.  
  297. Clears the actual screen. 
  298.  
  299.  
  300. ΓòÉΓòÉΓòÉ <hidden> Embedding Parameters ΓòÉΓòÉΓòÉ
  301.  
  302. Use Embedding parameters to change the delay time and the embedding dimension 
  303. calculated by the Prediction Error. These new values are used by other routines 
  304. like Lyapunov Exponents. 
  305.  
  306. If the embedding dimension is greater or equal than 3, you can display the 
  307. embedded attractor. 
  308.  
  309.  
  310. ΓòÉΓòÉΓòÉ <hidden> Calculate a Flow ΓòÉΓòÉΓòÉ
  311.  
  312. You can integrate a three dimensional differential equations with a dynamical 
  313. Runge-Kutta method, following these steps. 
  314.  
  315.  1. Edit the three equation in the entryfields without any symbolic constants 
  316.     except x,y,z. 
  317.  2. Select the Length (Size) of the new time series. 
  318.  3. Select the time steps for calculation. 
  319.  4. Select the accuracy witch is used to specify the maximum error. 
  320.  
  321. If you want to change the default startup values click MORE. Click OK to 
  322. integrate the flow. 
  323.  
  324.  
  325. ΓòÉΓòÉΓòÉ <hidden> Startup Values ΓòÉΓòÉΓòÉ
  326.  
  327. Use Startup Values to choose the initial values for the dynamic Runge-Kutta 
  328. method to integrate a flow. 
  329.  
  330.  
  331. ΓòÉΓòÉΓòÉ <hidden> 1D Plot ΓòÉΓòÉΓòÉ
  332.  
  333. Plots one coordinate of the time series as a function of the number of points. 
  334. You can choose the coordinate to plot in this cascade menu. The first three 
  335. coordinates are listed in the menu, for all others you must spefify it in the 
  336. displayed window. 
  337.  
  338.  
  339. ΓòÉΓòÉΓòÉ <hidden> 2D Plot ΓòÉΓòÉΓòÉ
  340.  
  341. Plots one coordinate against another coordinate of the time series as a 
  342. function of the number of points. You can choose the coordinates to plot in 
  343. this cascade menu. The first three posible combinations of coordinates are 
  344. listed in the menu, for all others you must spefify them in the displayed 
  345. window. 
  346.  
  347.  
  348. ΓòÉΓòÉΓòÉ <hidden> Real View of Time Series 3D ΓòÉΓòÉΓòÉ
  349.  
  350. Plots three dimensional time series as a parametric curve with Red-Green 
  351. option. You can look at this with a normal Red-Green glass. There are no labels 
  352. or numeric values in the plot, cause this plot is only for orientation in three 
  353. dimensional space. 
  354.  
  355.  
  356. ΓòÉΓòÉΓòÉ <hidden> Normal View of Time Series 3D ΓòÉΓòÉΓòÉ
  357.  
  358. Plots three dimensional time series as a parametric curve. Three sides of a 
  359. cube will displayed for orientation. There are no labels or numeric values in 
  360. the plot, cause this plot is only for orientation in three dimensional space. 
  361. In addition you can activate a popup menu by clicking the right mousebutton. In 
  362. this popup menu you can display the three axis (x,y,z) and a shadow projection 
  363. to the three walls of the cube. 
  364.  
  365.  
  366. ΓòÉΓòÉΓòÉ <hidden> Real View of embedded Time Series 3D ΓòÉΓòÉΓòÉ
  367.  
  368. Plots three dimensional embedded time series as a parametric curve with 
  369. Red-Green option. You can look at this with a normal Red-Green glass. There are 
  370. no labels or numeric values in the plot, cause this plot is only for 
  371. orientation in three dimensional space. 
  372.  
  373.  
  374. ΓòÉΓòÉΓòÉ <hidden> Normal View of embedded Time Series 3D ΓòÉΓòÉΓòÉ
  375.  
  376. Plots three dimensional embedded time series as a parametric curve. Three sides 
  377. of a cube will displayed for orientation. There are no labels or numeric values 
  378. in the plot, cause this plot is only for orientation in three dimensional 
  379. space. In addition you can activate a popup menu by clicking the right 
  380. mousebutton. In this popup menu you can display the three axis (x,y,z) and a 
  381. shadow projection to the three walls of the cube. 
  382.  
  383.  
  384. ΓòÉΓòÉΓòÉ <hidden> Plot Settings ΓòÉΓòÉΓòÉ
  385.  
  386. Change the settins of all plots such as linestyles, grids, colors etc. A dialog 
  387. appears with a notebook in it. On the right side you find all topics to change. 
  388. These are: 
  389.  
  390. Color 
  391. Change the colors of the lines and/or markers 
  392.  
  393. Marker 
  394. Change the style of the used markers 
  395.  
  396. Grids 
  397. Enables the grid in each plot 
  398.  
  399. Lines 
  400. Change the line thickness 
  401.  
  402. RGB 
  403. Change the Red-Green colors for the 3D Plot in RGB-Mode 
  404. After you changed the settings, press OK. 
  405.  
  406.  
  407. ΓòÉΓòÉΓòÉ <hidden> 3D Surface ΓòÉΓòÉΓòÉ
  408.  
  409. Displays a dialog window to change the viewport of the 3D Plot in RGB-mode or 
  410. 3D Modelling-mode. Press one the buttons around the circle to change one of the 
  411. angles in spherical coordinates. Press OK if all changes are all right, if not, 
  412. press Cancel. 
  413.  
  414. This option only can be activated if a 3D plot is already displayed. 
  415.  
  416.  
  417. ΓòÉΓòÉΓòÉ <hidden> Trackball ΓòÉΓòÉΓòÉ
  418.  
  419. Use the trackball to rotate the 3D plot in RGB-mode or in 3D Modelling-mode. A 
  420. white circle around the plot is displayed with two half elipses in it. The 
  421. point of intersection is the position on a sphere. If you press the left 
  422. mousebutton and move the mouse, the trackball follows the mouse and calculates 
  423. the new viewport. If the mousebutton is released, the plot will updated 
  424. immediately. 
  425.  
  426. This option only can be activated if a 3D plot is already displayed. 
  427.  
  428.  
  429. ΓòÉΓòÉΓòÉ <hidden> Preferences ΓòÉΓòÉΓòÉ
  430.  
  431. This function displays a dialog window to setup the file management. Yuo can 
  432. specifiy a path to load the time series and to save the time series and its 
  433. functions. You can also specify the used filter in the file open dialog. 
  434.  
  435.  
  436. ΓòÉΓòÉΓòÉ <hidden> Perspective ΓòÉΓòÉΓòÉ
  437.  
  438. This function displays a dialog box to change the perspective of the 3D plot in 
  439. RGB Mode. 
  440.  
  441. Red-Green-Offset 
  442. You can change the distance between the red and the green plot. This option is 
  443. synonymous with the distance of your eyes. 
  444.  
  445. Viewport 
  446. You can also change the main perspective. If the value of the viewport is on 
  447. its maximum, the plot is a parallel projektion of the cube. This option is 
  448. synonymous with the distance between you and the cube. 
  449.  
  450.  
  451. ΓòÉΓòÉΓòÉ 5. Persistence of Vision Raytracer ΓòÉΓòÉΓòÉ
  452.  
  453.                          Persistence of Vision Raytracer
  454.  
  455.                                    Version 2.0
  456.  
  457.                                 Basic Information
  458.  
  459. The Persistence of Vision Raytracer creates three-dimensional, photo-realistic 
  460. images using a rendering technique called ray tracing. It reads in a text file 
  461. containing information describing the objects and lighting in a scene and 
  462. generates an image of that scene from the view point of a camera also described 
  463. in the text file. Ray tracing is not a fast process by any means, but it 
  464. produces very high quality images with realistic reflections, shading, 
  465. perspective, and other effects. 
  466.  
  467. The POV-Ray package includes detailed instructions on using the raytracer and 
  468. creating scenes. Many stunning scenes are included with POV-Ray so you can 
  469. start creating images immediately when you get the package. These scenes can be 
  470. modified by the user also so they don't have to start from scratch. 
  471.  
  472. In addition to the pre-defined scenes are a large library of predefined shapes 
  473. and materials that can be used in your own scenes by just typing the name of 
  474. the shape or material. 
  475.  
  476. POV-Ray is easy to use, and also includes many advanced features like bezier 
  477. patches, blobs, height-fields, bump mapping, and material mapping. 
  478.  
  479. POV-Ray can be used on IBM-PC and compatibles, Apple Macintoshes, Commodore 
  480. Amiga's, UNIX, and other computers. 
  481.  
  482. POV-Ray is based on DKBTrace 2.12 by David K. Buck and Aaron A. Collins. 
  483.  
  484. The POV-Team is a collection of volunteer programmers, designers, animators and 
  485. artists meeting via electronic mail on Compuserve's GRAPHDEV forum, sections 8 
  486. (POV Sources), and 9 (POV Images). (GRAPHDEV is also the home of the very 
  487. popular Fractint and its authors the Stone Soup Group.) 
  488.  
  489.  
  490. ΓòÉΓòÉΓòÉ 6. Rexx Program ΓòÉΓòÉΓòÉ
  491.  
  492. The Time Series Analyzer supports the REXX macro language of OS/2 2.x. You can 
  493. write your own macros using all legal Rexx commands and some additional 
  494. commands added by the Time Series Analyzer. Some sample programs are shipped 
  495. with the main program. 
  496. For more information about writing REXX programs see also in the online 
  497. information files shipped with OS/2 and Macro Reference. 
  498.  
  499. Use REXX Program to display a window to select a Rexx program. This program 
  500. starts immediately after pressing the OK-button. 
  501.  
  502.  
  503. ΓòÉΓòÉΓòÉ 7. Mathmatical Theory ΓòÉΓòÉΓòÉ
  504.  
  505. In this section all routines will be explained. All implemented routines are 
  506. either specially developed and/or copied from "Numerical recipes in C". For 
  507. more information see at the "recipes". All routines are developed for automatic 
  508. calculation, but some routines require initial conditions. These routines will 
  509. redeveloped for automatic use. 
  510.  
  511.  
  512. ΓòÉΓòÉΓòÉ 7.1. Autocorrelation ΓòÉΓòÉΓòÉ
  513.  
  514. The autocorrelation function measures the correlation between subsequent 
  515. signals. It remains constant or oscillates for regular motion and decays 
  516. rapidly (mostly with an exponential tail) if the signal (time series) become 
  517. uncorrelated in the chaotic regime. 
  518. It should be noted that the power spectrum P(w) is proportional to the Fourier 
  519. transformation of the autocorrelation function. In this implementation the 
  520. autocorrelation uses the Fast Fourier Transformation. 
  521.  
  522. Initial conditions 
  523.  
  524. There are no initial conditions to calculate the autocorrelation. If a time 
  525. series is loaded with more than one dimension (e.g. 3D like Roessler), this 
  526. routine calculates for all dimensions the autocorrelation seperatly. 
  527.  
  528. Results 
  529.  
  530. The result is a one dimensional function for each loaded dimension. The first 
  531. minimum or the first zero value can used as a proper dealy time for the 
  532. reconstruction of the attractor. 
  533.  
  534. Relase Notes 
  535.  
  536. At this time the autocorrelation is finished. Later you can get an exact value 
  537. from the plot screen simply by moving the mouse pointer. 
  538.  
  539.  
  540. ΓòÉΓòÉΓòÉ 7.2. Quadratic Autocorrelation Function ΓòÉΓòÉΓòÉ
  541.  
  542. At this time there is no detailed information avaible to describe this routine, 
  543. because it's very new and nobody know's something to do with it. In future, 
  544. perhaps, we will find something interesting. Let's hope ! 
  545.  
  546.  
  547. ΓòÉΓòÉΓòÉ 7.3. Correlation Dimension ΓòÉΓòÉΓòÉ
  548.  
  549. Dissipative dynamical systems which exhibit chaotic behavior often have an 
  550. attractor in phase space which is strange. Strange attractors are typically 
  551. characterized by a fractal dimension D which is smaller than the number of 
  552. degrees of freedom F, D<F. Among the fractal dimensions we have the capacity 
  553. and the Hausdorff dimension. These fractal dimensions have been the most 
  554. commonly used measure of the strangeness of attractors. Another measure is 
  555. obtained by considering correlations between points of a long-time series on 
  556. the attractor. 
  557.  
  558.  
  559. ΓòÉΓòÉΓòÉ 7.4. Singular Value Decomposition ΓòÉΓòÉΓòÉ
  560.  
  561. The global singular value decomposition has the attractive feature of being 
  562. easy to implement, but it has the downside of being hard to interpret on 
  563. occasion. It gives a linear hint as to the number of active degrees of freedom, 
  564. but it can be misleading because it does not distinguish two processes with 
  565. nearly the same Fourier spectrum or because of differing computers the 
  566. anticipated "noise floor" is reached at different numerical levels. Using it as 
  567. a guide to the physicist, to be looked along with other functions, can be quite 
  568. helpful. Local covariance analysis can be quite useful insights as to the 
  569. structure of an attractor and can be used to distinguish degrees of freedom in 
  570. a quatitative fashion. 
  571.  
  572. Used Time delay 
  573. Specifies the used delay time 
  574.  
  575. Max. Embedding dimension 
  576. The calculation uses dimensions from 1 up to n. 
  577.  
  578. Number of data points 
  579. Specifies the number of points used during the calculation 
  580.  
  581.  
  582. ΓòÉΓòÉΓòÉ 7.5. Fourier Transformation ΓòÉΓòÉΓòÉ
  583.  
  584. Fourier methods are used for spectral analysis of linear time series. In this 
  585. case these methods are linear methods. 
  586. The Time Series Analyzer uses these methods either for spectral analysis, for 
  587. correlation functions like autocorrelation or to distinguish between multiply 
  588. periodic behavior (which can also look rather complicated) and chaos. 
  589. The routine implemented in  Time Series Analyzer based on a method called 'Fast 
  590. Fourier Transform '. The length of all loaded time series must be a power of 
  591. two. 
  592.  
  593. Initial conditions 
  594.  
  595. There are no initial conditions to calculate the fast fourier transform. Any 
  596. used condition is calculated automatically at runtime. Only at the beginning 
  597. one must specify the fourier method: 'Hannel','Square','Bartlett'. 
  598.  
  599. results 
  600.  
  601. At this time the Time Series Analyzer can only work with time series of lenght 
  602. power of two. I'm working out a fast routine not based on this limitation. This 
  603. routine i'll impletement in future. 
  604.  
  605.  
  606. ΓòÉΓòÉΓòÉ 7.6. Power Spectrum ΓòÉΓòÉΓòÉ
  607.  
  608. The Power Spectrum P(w) consists only of discrete lines of the corresponding 
  609. frequecies, whereas chaotic motion (which is completely aperiodic) is indicated 
  610. by broad noise in P(w) that is mostly located at low frequecies. 
  611.  
  612.  
  613. ΓòÉΓòÉΓòÉ 7.7. Mutual Information ΓòÉΓòÉΓòÉ
  614.  
  615. The mutual information gives a choice for an optimal time delay for embedding a 
  616. time series. The best choice is given by the first minimum of the mutual 
  617. information. A motivation for this is that the information in two successive 
  618. delay coordinates should be as independent as possible, without making the 
  619. delay time however too long. The mutual information as suggested in 
  620. [Fraser,Swinney 1986] lacks rationale if higher-dimensional embeddings are 
  621. used. 
  622.  
  623. Initial conditions 
  624.  
  625. The calculation of the nutual information requires some initial conditions to 
  626. decrease the calculation time. 
  627.  
  628. Lowest and highest delay time 
  629. You specify these values as a border for the calculation. The mutual 
  630. information gives you a proper delay time witch is equal or greater the lowest 
  631. and equal or smaller than the highest delay time. 
  632.  
  633. No. of datapoints to process 
  634. This value specifies the used points for the calculation. It cannot be greater 
  635. than the size of the loaded time series. 
  636.  
  637. No. of random datapoints In addition this routine works with randomized points 
  638. of the time series. The total number of used points is N = points to process + 
  639. points of random 
  640.  
  641. Results 
  642.  
  643. The first minimum of the result curve specifies a possible delay time. But the 
  644. mutual information is a 2-dimensional approximation, in case of higher 
  645. embedding dimensions the result is not exact. Use this routine sparingly. 
  646.  
  647. Relase Notes 
  648.  
  649. I think this work is not practical, cause the results are in many cases wrong. 
  650. So you must enter a possible delay time by hand or you can use the prediction 
  651. error. 
  652.  
  653.  
  654. ΓòÉΓòÉΓòÉ 7.8. Prediction Error ΓòÉΓòÉΓòÉ
  655.  
  656. The method of 'Prediction Error' calculates a time delay and a proper embedding 
  657. dimension simultaneous. It bases on a method called 'False Nearest Neighbors'. 
  658.  
  659. The procedure step by step: 
  660.  
  661. For a point X on the d-dimensional attractor the prediction error calculates 
  662. the nearest neighbor Y. The distance between X and Y can approximated as: 
  663.  
  664. D = x (d+1)l - y (d+1)l 
  665.  
  666. with 
  667.  
  668. X = ( x o, x l , ... , x (d-1)l  ) 
  669.  
  670. Y = ( y o, y l , ... , y (d-1)l  ) 
  671.  
  672. This procedure is repeated for every point X with different embedding 
  673. dimensions d and delay times l on the attractor. If the prediction error is 
  674. minimized, both values (time delay and embedding dimension) are a good choice 
  675. for the following reconstruction of the attractor. 
  676.  
  677. Initial conditions 
  678.  
  679. No intial conditions are necessary. All inital parameters the prediction error 
  680. calculates by itself including good choices for delay time and the number of 
  681. reference points. So this method is one of the first which calculates both 
  682. reconstruction parameters simultaneous and automatic. 
  683.  
  684. Results 
  685.  
  686. The prediction error displays a function PE(d). The first minimum is a good 
  687. choice for a proper embedding dimension. This dimension is displayed in the 
  688. same plot on the screen. After the calculation of these reconstruction 
  689. parameters, all other functions can access these parameters, but they can't 
  690. modify it. 
  691.  
  692. Release Notes 
  693.  
  694. This method is a first prototype of an automatic calculation of optimal 
  695. embedding parameters. At this time nobody knows if this routine is stable 
  696. enough to caslculate all possible time series automatic. But I hope it is. 
  697. Please send me some messages about errors or wrong embbeding parameters. 
  698.  
  699. Thanks a lot! 
  700.  
  701.  
  702. ΓòÉΓòÉΓòÉ 7.9. Lyapunov Exponents ΓòÉΓòÉΓòÉ
  703.  
  704. The Lyapunov exponents are a basic indicator of chaos. The exponential 
  705. divergence rate of trajectories in phase space is characterized by at least one 
  706. positive exponent. It is responsible for the "sensitive dependence on initial 
  707. conditions" and limits the predictability of the time evolution of a physical 
  708. system. Few algorithms exists for the calculation of Lyapunov exponents from a 
  709. time series. This is a very new one. 
  710.  
  711. Initial conditions 
  712.  
  713. There are no initial conditions to calculate the Lyapunov exponents. 
  714.  
  715. Results 
  716.  
  717. The Time Series Analyzer calculates as many exponents as the embedding 
  718. dimension specifies. The Lyapunov exponents l(i) characterize the dynamics as 
  719.  
  720.  1. l(i) > 0 
  721.     A small perturbation of the initial conditions can grow to chaotic motion. 
  722.  
  723.  2. l(i) = 0 
  724.     The system is regular with any sign of deterministic chaos. The orbit is 
  725.     periodic. 
  726.  
  727.  3. l(i) < 0 
  728.     The system is growing to a fixpoint 
  729.  
  730. Release Notes 
  731.  
  732. This algorithmn approximates the matrix of the linearized flow (local Jacobian) 
  733. and it based on a work by J. Holzfuss and W. Lauterborn. This routine is stable 
  734. and automatic. 
  735.  
  736. This is Version 1.1 
  737.  
  738.  
  739. ΓòÉΓòÉΓòÉ 7.10. Kolmogorov Entropy ΓòÉΓòÉΓòÉ
  740.  
  741. The Kolmogorov entropy of an attractor can be considered as a measure for the 
  742. rate of information loos along the attractor or as a measure for the degree of 
  743. predictability of points along the attractor given an (arbitrary) inital point. 
  744.  
  745. The calculation is based on a work by  [Schouten, Takens,van den Bleek] 
  746.  
  747. Initial conditions 
  748.  
  749. There are no initial conditions to calculate the Kolmogorov entropy. 
  750.  
  751. Results 
  752.  
  753. In general, a positive, finite entropy is considered as the conclusive proof 
  754. that the time series and its underlying dynamic phenomenon are chaotic. A zero 
  755. entropy represents a constant ro regular, cylic phenomenon that can be 
  756. represented in the state space by a fixed point, a perodic attractor, or a 
  757. multiperiodic attractor. An infinite entropy refers to a stochastic, 
  758. nondeterministic phenomenon. 
  759.  
  760. Release Notes 
  761.  
  762. This is one of the first implementation in this enviroment. At this time there 
  763. are two known problems: 
  764.  
  765.  1. The entropy function can't be exactly zero. This is a problem of the 
  766.     numerical calculation. 
  767.  
  768.  2. The actual calculation uses the standard derivation as initial distance. 
  769.     Problems can occur if this value is too big for the actual time series. 
  770.  
  771. I hope I can solve this problems during my work. 
  772.  
  773.  
  774. ΓòÉΓòÉΓòÉ 7.11. Lyapunov Bifurcation ΓòÉΓòÉΓòÉ
  775.  
  776. The Lyapunov Bifurcation is designed to show the accuracy of the previous 
  777. calculated Lyapunov exponents, cause the results are instable in case of short 
  778. time series as a result of different initial conditions or startup values. This 
  779. method takes 50 different windows over the time series and calculates the 
  780. Lyapunov exponents of each window. Each horizontal line of the displayed 
  781. picture is the evolution of the Lyapunov exponent in time. The exponents are 
  782. coded in colors displayed at the top of the picture. 
  783.  
  784. Initial conditions 
  785.  
  786. There are no initial conditions to calculate the Lyapunov Bifurcation. 
  787.  
  788. Results 
  789.  
  790. If there are only vertical lines of the same color then the Lyapunov exponents 
  791. are stable in time with different initial conditions, if not there is no chance 
  792. to calculate the exponents more exact. 
  793.  
  794. Release Notes 
  795.  
  796. This is a new method to test the results of the Lyapunov exponents calculation. 
  797. Test and enjoy it. 
  798.  
  799. This is Version 1.0 
  800.  
  801.  
  802. ΓòÉΓòÉΓòÉ 8. Macro Reference ΓòÉΓòÉΓòÉ
  803.  
  804. The Time Series Analyzer supports the REXX macro language of OS/2 2.x. You can 
  805. write your own macros using all legal Rexx commands and some additional 
  806. commands added by the Time Series Analyzer. Some sample programs are shipped 
  807. with the main program. 
  808. For more information about writing REXX programs see also in the online 
  809. information files shipped with OS/2. The following list decribes all new 
  810. commands supported by the Time Series Analyzer. 
  811.  
  812. REXX Commands grouped alphabetically 
  813. REXX Commands grouped by category 
  814.  
  815.  
  816. ΓòÉΓòÉΓòÉ <hidden> REXX Commands grouped alphabetically ΓòÉΓòÉΓòÉ
  817.  
  818. Commands grouped alphabetically 
  819.  
  820. A - F 
  821. G - L 
  822. M - Z 
  823.  
  824.  
  825. ΓòÉΓòÉΓòÉ <hidden> REXX Commands A - F ΓòÉΓòÉΓòÉ
  826.  
  827. AddSpecialPoints 
  828. CalcAutocorrelation 
  829. CalcCorrelationDim 
  830. CalcFillFactor 
  831. CalcKolmogorov 
  832. CalcLyapunov 
  833. CalcLyapunovBifurcation 
  834. CalcMutalInformation 
  835. CalcPredictionError 
  836. CalcSingularValues 
  837. CalcWavelet 
  838. CopyOutput 
  839.  
  840.  
  841. ΓòÉΓòÉΓòÉ <hidden> REXX Commands G - L ΓòÉΓòÉΓòÉ
  842.  
  843. GetAcfMin 
  844. GetCorrelationDim 
  845. GetDelay 
  846. GetEmbeddingDim 
  847. GetEntropyValues 
  848. GetLyapunovExponents 
  849. GetTsDim 
  850. GetTsLength 
  851. GetViewport 
  852. LoadTs 
  853.  
  854.  
  855. ΓòÉΓòÉΓòÉ <hidden> REXX Commands M - Z ΓòÉΓòÉΓòÉ
  856.  
  857. Plot1D 
  858. Plot3D 
  859. PlotAcf 
  860. PlotFunction 
  861. PrintScreen 
  862. Query 
  863. SaveMetaFile 
  864. SaveOutput 
  865. SaveTs 
  866. SetDelay 
  867. SetLabelText 
  868. SetTitleText 
  869. SetTsLength 
  870. SetTsOffset 
  871. SetViewport 
  872. ShowSpecialPoints 
  873. SetEmbeddingDim 
  874. UpdateScreen 
  875. VisualMode 
  876.  
  877.  
  878. ΓòÉΓòÉΓòÉ <hidden> Commands grouped by category ΓòÉΓòÉΓòÉ
  879.  
  880. Commands grouped by category 
  881.  
  882. Nonlinear functions 
  883. Direct manipulation Functions 
  884. Plot and Graphic Functions 
  885. File Management Functions 
  886.  
  887.  
  888. ΓòÉΓòÉΓòÉ <hidden> Nonlinear Functions ΓòÉΓòÉΓòÉ
  889.  
  890. AddSpecialPoints 
  891. CalcAutocorrelation 
  892. CalcCorrelationDim 
  893. CalcFillFactor 
  894. CalcKolmogorov 
  895. CalcLyapunov 
  896. CalcLyapunovBifurcation 
  897. CalcMutalInformation 
  898. CalcPredictionError 
  899. CalcSingularValues 
  900. CalcWavelet 
  901.  
  902.  
  903. ΓòÉΓòÉΓòÉ <hidden> Direct Manipulation Functions ΓòÉΓòÉΓòÉ
  904.  
  905. GetAcfMin 
  906. GetCorrelationDim 
  907. GetDelay 
  908. GetEmbeddingDim 
  909. GetEntropyValues 
  910. GetLyapunovExponents 
  911. GetTsDim 
  912. GetTsLength 
  913. Query 
  914. SetDelay 
  915. SetTsLength 
  916. SetTsOffset 
  917.  
  918.  
  919. ΓòÉΓòÉΓòÉ <hidden> File Management Functions ΓòÉΓòÉΓòÉ
  920.  
  921. CopyOutput 
  922. LoadTs 
  923. SaveOutput 
  924. SaveTs 
  925. SetEmbeddingDim 
  926.  
  927.  
  928. ΓòÉΓòÉΓòÉ <hidden> Graphic Functions ΓòÉΓòÉΓòÉ
  929.  
  930. GetViewport 
  931. Plot1D 
  932. Plot3D 
  933. PlotAcf 
  934. PlotFunction 
  935. PrintScreen 
  936. SaveMetaFile 
  937. SetLabelText 
  938. SetTitleText 
  939. SetViewport 
  940. ShowSpecialPoints 
  941. UpdateScreen 
  942. VisualMode 
  943.  
  944.  
  945. ΓòÉΓòÉΓòÉ 8.1. AddSpecialPoints ΓòÉΓòÉΓòÉ
  946.  
  947. Calculates special points from the actual loaded time series. 
  948.  
  949. Syntax 
  950. AddSpecialPoints( szType, Index ) 
  951. szType specifies the kind of special value. It can be one of the following 
  952. values: 
  953. CENTRE_OF_GRAVITY is the centre of gravity 
  954. Index is an Indexnumber in the list of special points. This value can be ranged 
  955. from 1 to 5. 
  956.  
  957. Return Value 
  958. The function returns: 
  959. 0 - if the calculation sucessfull ended. 
  960. 1 - if an error occured. 
  961.  
  962. Example 
  963.  
  964. Say 'Plotting the time series in real 3D view'
  965.  
  966. if rc = 0 then Say 'sucessfully ended'
  967. else Say 'An Error occured'
  968. rc = AddSpecialPoints('CENTRE_OF_GRAVITY',1)
  969. rc = ShowSpecialPoints( 'ON' )
  970. rc = Plot3D( '3D' )
  971.  
  972. See also 
  973. Plot3D 
  974. ShowSpecialPoints 
  975.  
  976.  
  977. ΓòÉΓòÉΓòÉ 8.2. CalcAutocorrelation ΓòÉΓòÉΓòÉ
  978.  
  979. Calculates the autocorrelation of the actual time series. This function can be 
  980. called every time a time series is loaded. 
  981.  
  982. Syntax 
  983. CalcAutocorrelation() 
  984.  
  985. Return Value 
  986. The function returns: 
  987. 0 - if the calculation sucessfull ended. 
  988. 1 - if an error occured. 
  989.  
  990. Example 
  991.  
  992. Say 'Calculating the autocorrelation'
  993. rc = CalcAutocorrelation()
  994. if rc = 0 then Say 'sucessfully ended'
  995. else Say 'An Error occured'
  996.  
  997. See also 
  998. CalcCorrelationDim 
  999. CalcFillFactor 
  1000. CalcKolmogorov 
  1001. CalcLyapunov 
  1002. CalcMutalInformation 
  1003. CalcPredictionError 
  1004. CalcSingularValues 
  1005. CalcWavelet 
  1006. GetAcfMin 
  1007.  
  1008.  
  1009. ΓòÉΓòÉΓòÉ 8.3. CalcCorrelationDim ΓòÉΓòÉΓòÉ
  1010.  
  1011. Calculates the Correlation integral and the Correlationdimension of the actual 
  1012. time series. For this function a proper delay time and embedding dimension is 
  1013. required. 
  1014.  
  1015. Syntax 
  1016. CalcCorrelationDim() 
  1017.  
  1018. Return Value 
  1019. The function returns: 
  1020. 0 - if the calculation sucessfull ended. 
  1021. 1 - if an error occured. 
  1022.  
  1023. Example 
  1024.  
  1025. Say 'Calculating the Correlation dimension'
  1026. rc = CalcPredictionError()
  1027. if rc = 0 then
  1028.    rc = CalcCorrelationDim()
  1029.  
  1030. if rc = 0 then Say 'OK'
  1031. else Say 'Error'
  1032.  
  1033. See also 
  1034. CalcAutocorrelation 
  1035. CalcFillFactor 
  1036. CalcKolmogorov 
  1037. CalcLyapunov 
  1038. CalcMutalInformation 
  1039. CalcPredictionError 
  1040. CalcSingularValues 
  1041. CalcWavelet 
  1042.  
  1043.  
  1044. ΓòÉΓòÉΓòÉ 8.4. CalcFillFactor ΓòÉΓòÉΓòÉ
  1045.  
  1046. Calculates the Fill Factor of the actual time series. This function can be 
  1047. called every time a time series is loaded. 
  1048.  
  1049. Syntax 
  1050. CalcFillFactor( nCol, ndim_E_max, nPercent ) 
  1051. nCol specifies the colomn (coordinate) of the time series, the fill factor 
  1052. routine uses for calculation. 
  1053. ndim_E_max describes the max. embedding dimension 
  1054. nPercent are used for calculation 
  1055.  
  1056. If you call this function without parameter, the Time Series Analyzer will show 
  1057. the fill factor dialogbox. 
  1058.  
  1059. Return Value 
  1060. The function returns: 
  1061. 0 - if the calculation sucessfull ended. 
  1062. 1 - if an error occured. 
  1063.  
  1064. Example 
  1065.  
  1066. Say 'Calculating the Fill Factor automatic'
  1067. rc = CalcFillFactor(1,20,10)
  1068. if rc = 0 then Say 'Sucessfully ended'
  1069. else Say 'Error!'
  1070.  
  1071. Say 'Calculating the Fill Factor mamually'
  1072. rc = CalcFillFactor()
  1073. if rc = 0 then Say 'Sucessfully ended'
  1074. else Say 'Error!'
  1075.  
  1076. See also 
  1077. CalcAutocorrelation 
  1078. CalcCorrelationDim 
  1079. CalcKolmogorov 
  1080. CalcLyapunov 
  1081. CalcMutalInformation 
  1082. CalcPredictionError 
  1083. CalcSingularValues 
  1084. CalcWavelet 
  1085.  
  1086.  
  1087. ΓòÉΓòÉΓòÉ 8.5. CalcKolmogorov ΓòÉΓòÉΓòÉ
  1088.  
  1089. Calculates the Kolmogorov Entropy of the actual time series. For this function 
  1090. a proper delay time and embedding dimension is required. 
  1091.  
  1092. Syntax 
  1093. CalcKolmogov() 
  1094. No parameters used. 
  1095.  
  1096. Return Value 
  1097. The function returns: 
  1098. 0 - if the calculation sucessfull ended. 
  1099. 1 - if an error occured. 
  1100.  
  1101. Example 
  1102.  
  1103. Say 'Calculating the Kolmogorov Entropy'
  1104. rc = CalcPredictionError()
  1105. if rc = 0 then
  1106.    rc = CalcKolmogorov()
  1107.  
  1108. if rc = 0 then Say 'Sucessfully ended'
  1109. else Say 'Error!'
  1110.  
  1111. See also 
  1112. CalcAutocorrelation 
  1113. CalcCorrelationDim 
  1114. CalcFillFactor 
  1115. CalcLyapunov 
  1116. CalcMutalInformation 
  1117. CalcPredictionError 
  1118. CalcSingularValues 
  1119. CalcWavelet 
  1120. GetEntropyValues 
  1121.  
  1122.  
  1123. ΓòÉΓòÉΓòÉ 8.6. CalcLyapunov ΓòÉΓòÉΓòÉ
  1124.  
  1125. Calculates the Lyapunov exponents of the actual loaded time series. For this 
  1126. function a proper delay time and embedding dimension is required. 
  1127.  
  1128. Syntax 
  1129. CalcLyapunov() 
  1130.  
  1131. Return Value 
  1132. The function returns: 
  1133. 0 - if the calculation sucessfull ended. 
  1134. 1 - if an error occured. 
  1135.  
  1136. Example 
  1137.  
  1138. Say 'Calculating the Lyapunov Exponents'
  1139. rc = CalcPredictionError()
  1140. if rc = 0 then
  1141.    rc = CalcLyapunov()
  1142.  
  1143. if rc = 0 then Say 'Calculation sucessfull'
  1144. else Say 'Error occured'
  1145.  
  1146. See also 
  1147. CalcAutocorrelation 
  1148. CalcCorrelationDim 
  1149. CalcFillFactor 
  1150. CalcKolmogorov 
  1151. CalcMutalInformation 
  1152. CalcPredictionError 
  1153. CalcSingularValues 
  1154. CalcWavelet 
  1155.  
  1156.  
  1157. ΓòÉΓòÉΓòÉ 8.7. CalcLyapunovBifurcation ΓòÉΓòÉΓòÉ
  1158.  
  1159. Calculates the Lyapunov Bifurcation of the actual loaded time series. For this 
  1160. function a proper delay time and embedding dimension is required. 
  1161.  
  1162. Syntax 
  1163. CalcLyapunovBifurcation() 
  1164.  
  1165. Return Value 
  1166. The function returns: 
  1167. 0 - if the calculation sucessfull ended. 
  1168. 1 - if an error occured. 
  1169.  
  1170. Example 
  1171.  
  1172. Say 'Calculating the Lyapunov Bifurcation'
  1173. rc = CalcPredictionError()
  1174. if rc = 0 then
  1175.    rc = CalcLyapunovBifurcation()
  1176.  
  1177. if rc = 0 then Say 'Calculation sucessfull'
  1178. else Say 'Error occured'
  1179.  
  1180. See also 
  1181. CalcLyapunov 
  1182.  
  1183.  
  1184. ΓòÉΓòÉΓòÉ 8.8. CalcMutalInformation ΓòÉΓòÉΓòÉ
  1185.  
  1186. Calculates the Mutual Information of the actual time series.This function can 
  1187. be called every time a time series is loaded. 
  1188.  
  1189. Syntax 
  1190. CalcMutualInformation( nlowdelay, nhighdelay, npts, nrand ) 
  1191. nlowdelay is the smallest delay time for calculation 
  1192. nhighdelay is the highest delay time for calculation 
  1193. npts specifies the number of used points for calculation 
  1194. nrand is the number of used random points 
  1195.  
  1196. If you call this function without any parameter the Dialog Box of the Mutual 
  1197. Information appears. 
  1198.  
  1199. Return Value 
  1200. The function returns: 
  1201. 0 - if the calculation sucessfull ended. 
  1202. 1 - if an error occured. 
  1203.  
  1204. Example 
  1205.  
  1206. Say 'Automatic calculation of the mutual information'
  1207. rc = CalcMutualInformation(1,20,204, 204)
  1208. if rc = 0 then Say 'Calculation sucessfull'
  1209. else Say 'Error occured'
  1210.  
  1211. Say 'Manual calculation of the mutual information'
  1212. rc = CalcMutualInformation()
  1213. if rc = 0 then Say 'Calculation sucessfull'
  1214. else Say 'Error occured'
  1215.  
  1216. See also 
  1217. CalcAutocorrelation 
  1218. CalcCorrelationDim 
  1219. CalcFillFactor 
  1220. CalcKolmogorov 
  1221. CalcLyapunov 
  1222. CalcPredictionError 
  1223. CalcSingularValues 
  1224. CalcWavelet 
  1225.  
  1226.  
  1227. ΓòÉΓòÉΓòÉ 8.9. CalcPredictionError ΓòÉΓòÉΓòÉ
  1228.  
  1229. Calculates the Prediction Error of the actual loaded time series. This function 
  1230. can be called every time a time series is loaded. 
  1231.  
  1232. Syntax 
  1233. CalcPredictionError() 
  1234.  
  1235. Return Value 
  1236. The function returns: 
  1237. 0 - if the calculation sucessfull ended. 
  1238. 1 - if an error occured. 
  1239.  
  1240. Example 
  1241.  
  1242. Say 'Calculating the Prediction Error'
  1243. rc = CalcPredictionError()
  1244. if rc = 0 then Say 'Calculation sucessfull'
  1245. else Say 'Error occured'
  1246.  
  1247. See also 
  1248. CalcAutocorrelation 
  1249. CalcCorrelationDim 
  1250. CalcFillFactor 
  1251. CalcKolmogorov 
  1252. CalcLyapunov 
  1253. CalcMutalInformation 
  1254. CalcSingularValues 
  1255. CalcWavelet 
  1256. GetAcfMin 
  1257. GetDelay 
  1258. GetEmbeddingDim 
  1259.  
  1260.  
  1261. ΓòÉΓòÉΓòÉ 8.10. CalcSingularValues ΓòÉΓòÉΓòÉ
  1262.  
  1263. Calculates the Singular Values Decomposition of the actual time series.This 
  1264. function can be called every time a time series is loaded. 
  1265.  
  1266. Syntax 
  1267. CalcSingularValues( ndelay, ndim_E, npts ) 
  1268. ndelay specifies the used delay time 
  1269. ndim_E is the highest embedding dimension 
  1270. npts specifies the number used points for the calculation 
  1271.  
  1272. If you call this function without any parameter the Dialog Box of the Singular 
  1273. Value Decomposition appears. 
  1274.  
  1275. Return Value 
  1276. The function returns: 
  1277. 0 - if the calculation sucessfull ended. 
  1278. 1 - if an error occured. 
  1279.  
  1280. Example 
  1281.  
  1282. Say 'Automatic calculation of the Singular values'
  1283. rc = CalcSingularValues(1,20,204)
  1284. if rc = 0 then Say 'Calculation sucessfull'
  1285. else Say 'Error occured'
  1286.  
  1287. Say 'Manual calculation of the Singular values'
  1288. rc = CalcSingularValues()
  1289. if rc = 0 then Say 'Calculation sucessfull'
  1290. else Say 'Error occured'
  1291.  
  1292. See also 
  1293. CalcAutocorrelation 
  1294. CalcCorrelationDim 
  1295. CalcFillFactor 
  1296. CalcKolmogorov 
  1297. CalcLyapunov 
  1298. CalcMutalInformation 
  1299. CalcPredictionError 
  1300. CalcWavelet 
  1301.  
  1302.  
  1303. ΓòÉΓòÉΓòÉ 8.11. CalcWavelet ΓòÉΓòÉΓòÉ
  1304.  
  1305. Calculates the Wavelet spectrum of the actual time series. This function can be 
  1306. called every time a time series is loaded. 
  1307.  
  1308. Syntax 
  1309. CalcWavelet() 
  1310.  
  1311. Return Value 
  1312. The function returns: 
  1313. 0 - if the calculation sucessfull ended. 
  1314. 1 - if an error occured. 
  1315.  
  1316. Example 
  1317.  
  1318. Say 'Calculating the wavelet spectrum'
  1319. rc = CalcWavelet()
  1320. if rc = 0 then Say 'Calculation sucessfull'
  1321. else Say 'Error occured'
  1322.  
  1323. See also 
  1324. CalcAutocorrelation 
  1325. CalcCorrelationDim 
  1326. CalcFillFactor 
  1327. CalcKolmogorov 
  1328. CalcLyapunov 
  1329. CalcMutalInformation 
  1330. CalcPredictionError 
  1331. CalcSingularValues 
  1332.  
  1333.  
  1334. ΓòÉΓòÉΓòÉ 8.12. CopyOutput ΓòÉΓòÉΓòÉ
  1335.  
  1336. This function copies the contents of the REXX output dialogbox into the 
  1337. clipboard. This function is the same as pressing the Copy button in the REXX 
  1338. Dialogbox. 
  1339.  
  1340. Syntax 
  1341. CopyOutput() 
  1342.  
  1343. Return Value 
  1344. The functions returns 
  1345. 0 - if the contents are copied. 
  1346. 1 - if an error occured. 
  1347.  
  1348. Example 
  1349.  
  1350. Say 'Calculating the Prediction Error'
  1351. rc = CalcPredictionError()
  1352. if rc = 0 then Say 'Calculation sucessfull'
  1353. else Say 'Error'
  1354. rc = CalcCorrelationDim()
  1355.  
  1356. TextDim = GetCorrelationDim()
  1357. AttractorDim = Word(TextDim,1)
  1358. Error = Word(TextDim,2)
  1359.  
  1360. Say 'The attractor Dimension is ' AttractorDim
  1361. Say 'The error is ' Error
  1362. rc = CopyOut()
  1363.  
  1364. See also 
  1365. SaveOutput 
  1366. VisualMode 
  1367.  
  1368.  
  1369. ΓòÉΓòÉΓòÉ 8.13. GetAcfMin ΓòÉΓòÉΓòÉ
  1370.  
  1371. This function returns different values from the autocorrelation. These returned 
  1372. values can be used for alternativ delay times. 
  1373.  
  1374. Syntax 
  1375. GetAcfMin( MinFlag, IndexFlag ) 
  1376. MinFlag is used as a switch to specify the return value. 
  1377. 1    returns the first minimum 
  1378. 2    returns a value nearest to exp(-1) 
  1379. 3    returns the first root value if not exactly exits 
  1380.  
  1381. IndexFlag is an input value which specifies the returned value 
  1382. 0    The returned value is the exact value of the minimum 
  1383. 1    The returned value is the index of the minimum 
  1384.  
  1385. Return Value 
  1386. The function returns 
  1387. 0 - if an error occured. 
  1388. x - The value x of the minimum. 
  1389.  
  1390. Example 
  1391.  
  1392. Say 'Calculating the Autocorrelation'
  1393. rc = CalcAutocorrelation()
  1394. if rc = 0 then Say 'Sucessfull'
  1395. else Say 'Error'
  1396.  
  1397. RelMin = GetAcfMin( 1, 0)
  1398. ExpMin = GetAcfMin( 2, 0)
  1399. NulMin = GetAcfMin( 3, 0)
  1400.  
  1401. Say 'The first Minimum is ' RelMin
  1402. Say 'The value of the 1/exp(1) Minimum is ' ExpMin
  1403. Say 'The first root value ' NulMin
  1404.  
  1405. See also 
  1406. CalcAutocorrelation 
  1407. CalcPredictionError 
  1408. GetDelay 
  1409.  
  1410.  
  1411. ΓòÉΓòÉΓòÉ 8.14. GetCorrelationDim ΓòÉΓòÉΓòÉ
  1412.  
  1413. This function returns the correlation dimension as referenced by Grassberger 
  1414. and Procaccia. This function returns also the standard derivation from fitting 
  1415. the dimension. Both values are returned in one string seperated by a single 
  1416. space. 
  1417.  
  1418. Syntax 
  1419. GetCorrelationDim() 
  1420.  
  1421. Return Value 
  1422. The functions returns 
  1423. 0 - if an error occured. 
  1424. d - the actual used correlation dimension D(2) and the error. 
  1425.  
  1426. Example 
  1427.  
  1428. Say 'Calculating the Prediction Error'
  1429. rc = CalcPredictionError()
  1430. if rc = 0 then Say 'Calculation sucessfull'
  1431. else Say 'Error'
  1432. rc = CalcCorrelationDim()
  1433.  
  1434. TextDim = GetCorrelationDim()
  1435. AttractorDim = Word(TextDim,1)
  1436. Error = Word(TextDim,2)
  1437.  
  1438. Say 'The attractor Dimension is ' AttractorDim
  1439. Say 'The error is ' Error
  1440.  
  1441. See also 
  1442. CalcCorrelationDim 
  1443. CalcPredictionError 
  1444.  
  1445.  
  1446. ΓòÉΓòÉΓòÉ 8.15. GetDelay ΓòÉΓòÉΓòÉ
  1447.  
  1448. This function is used to get the actual used delay time. You can get either the 
  1449. used delay or the recommended delay calculated by the Prediction Error. 
  1450.  
  1451. Syntax 
  1452. GetDelay( Flag ) 
  1453. Flag specifies the returned delay time 
  1454. 0    specifies the used delay 
  1455. 1    specifies the recommended delay time 
  1456.  
  1457. Return Value 
  1458. The function returns 
  1459. 0 - if an error occured. 
  1460. n - The actual used delay time n. 
  1461.  
  1462. Example 
  1463.  
  1464. Say 'Calculating the Prediction Error'
  1465. rc = CalcPredictionError()
  1466. if rc = 0 then Say 'OK'
  1467. else Say 'Error'
  1468.  
  1469. delay = GetDelay( 0 )
  1470. Say 'The used delay is ' delay
  1471.  
  1472. See also 
  1473. CalcAutocorrelation 
  1474. CalcPredictionError 
  1475. GetAcfMin 
  1476. GetEmbeddingDim 
  1477.  
  1478.  
  1479. ΓòÉΓòÉΓòÉ 8.16. GetEmbeddingDim ΓòÉΓòÉΓòÉ
  1480.  
  1481. This function returns the used or the recommended embedding dimension 
  1482. calculated by the Prediction Error. 
  1483.  
  1484. Syntax 
  1485. GetEmbeddingDim( Flag ) 
  1486. Flag specifies the returned embedding dimension 
  1487. 0    specifies the used dimension 
  1488. 1    specifies the recommended dimension 
  1489.  
  1490. Return Value 
  1491. The functions returns 
  1492. 0 - if an error occured. 
  1493. d - the actual used embedding dimension d. 
  1494.  
  1495. Example 
  1496.  
  1497. Say 'Calculating the Prediction Error'
  1498. rc = CalcPredictionError()
  1499. if rc = 0 then Say 'Calculation sucessfull'
  1500. else Say 'Error'
  1501.  
  1502. dim_E = GetEmbeddingDim( 0 )
  1503. Say 'The used embedding dimension is ' dim_E
  1504.  
  1505. See also 
  1506. CalcAutocorrelation 
  1507. CalcPredictionError 
  1508. GetAcfMin 
  1509. GetDelay 
  1510.  
  1511.  
  1512. ΓòÉΓòÉΓòÉ 8.17. GetEntropyValues ΓòÉΓòÉΓòÉ
  1513.  
  1514. This function returns three values from the calculated Kolmogorov Entropy. 
  1515. These values are the exact entropy itself, the standard derivation from the 
  1516. entropy and the standard derivation of the entropy calculated from the 
  1517. calculation. 
  1518.  
  1519. Syntax 
  1520. GetEntropyValues( ValueID ) 
  1521. ValueID specifies the value to return. Possible Number are valid 
  1522. 0  specifies the exact entropy 
  1523. 1  is the standard derivation from entropy 
  1524. 2  is the standard derivation from calculation 
  1525.  
  1526. Return Value 
  1527. The function returns the specified value 
  1528.  
  1529. Example 
  1530.  
  1531. Say 'Loading a time series'
  1532. rc = LoadTs('C:\math\lorenz.ts.nld')
  1533. rc = CalcPredictionError()
  1534. rc = CalcKolmogorov()
  1535. ke = GetEntropyValues(0)
  1536. stke = GetEntropyValues(1)
  1537. st = GetEntropyValues(2)
  1538.  
  1539. Say 'The entropy is K = ' ke
  1540. Say 'The standard derivation sigma(K) = ' stke
  1541. Say 'The standard derivation from calculation sigma = ' st
  1542.  
  1543. See also 
  1544. CalcKolmogorov 
  1545.  
  1546.  
  1547. ΓòÉΓòÉΓòÉ 8.18. GetLyapunovExponents ΓòÉΓòÉΓòÉ
  1548.  
  1549. This function returns for each embedding dimension the corresponding Lyapunov 
  1550. exponent. 
  1551.  
  1552. Syntax 
  1553. GetLyapunovExponents() 
  1554.  
  1555. Return Value 
  1556. The function returns all Lyapunov exponents in a string seperated by a blank. 
  1557.  
  1558. Example 
  1559.  
  1560. Say 'Loading a time series'
  1561. rc = LoadTs('C:\math\lorenz.ts.nld')
  1562. rc = CalcPredictionError()
  1563. rc = CalcLyapunov()
  1564.  
  1565. lambda = GetLyapunovExponents()
  1566.  
  1567. Say 'The Lyapunov exponents are'
  1568. Say lambda
  1569.  
  1570. See also 
  1571. CalcLyapunov 
  1572.  
  1573.  
  1574. ΓòÉΓòÉΓòÉ 8.19. GetTsDim ΓòÉΓòÉΓòÉ
  1575.  
  1576. This function returns the dimension of the actual loaded time series. 
  1577.  
  1578. Syntax 
  1579. GetTsDim() 
  1580.  
  1581. Return Value 
  1582. The function returns 
  1583. 0 - if an error occured. 
  1584. n - the actual dimension n of the loaded time series. 
  1585.  
  1586. Example 
  1587.  
  1588. Say 'Displays the dimension of the time series'
  1589. dim = GetTsDim()
  1590.  
  1591. Say 'Dimension = ' dim
  1592.  
  1593. See also 
  1594. GetTsLength 
  1595.  
  1596.  
  1597. ΓòÉΓòÉΓòÉ 8.20. GetTsLength ΓòÉΓòÉΓòÉ
  1598.  
  1599. This function returns the length of the actual loaded time series. 
  1600.  
  1601. Syntax 
  1602. GetTsLength() 
  1603.  
  1604. Return Value 
  1605. The function returns 
  1606. 0 - if an error occured. 
  1607. n - The length n of the time series. 
  1608.  
  1609. Example 
  1610.  
  1611. Say 'Display the length of the time series'
  1612. length = GetTsLength()
  1613.  
  1614. Say 'Length = ' dim
  1615.  
  1616. See also 
  1617. GetTsDim 
  1618.  
  1619.  
  1620. ΓòÉΓòÉΓòÉ 8.21. GetViewport ΓòÉΓòÉΓòÉ
  1621.  
  1622. This function is used to get the actual used angle in 3D view to plot the 
  1623. attractor. You can get either the xy angle with rotation axis z or the rotation 
  1624. angle to the front. 
  1625.  
  1626. Syntax 
  1627. GetViewport( Flag ) 
  1628. Flag specifies the returned angle 
  1629. 0    specifies the xy angle phi 
  1630. 1    specifies the angle theta 
  1631.  
  1632. Return Value 
  1633. The function returns 
  1634. 0 - if an error occured. 
  1635. n - The actual used angle alpha. 
  1636.  
  1637. Example 
  1638.  
  1639. phi = GetViewport( 0 )
  1640. theta = GetViewport( 1 )
  1641.  
  1642. Say 'The used angles are ' phi ' and ' theta
  1643.  
  1644. See also 
  1645. SetViewport 
  1646. Plot3D 
  1647.  
  1648.  
  1649. ΓòÉΓòÉΓòÉ 8.22. LoadTs ΓòÉΓòÉΓòÉ
  1650.  
  1651. Load a new time series from the harddisk or floppy drive. All functions are 
  1652. killed from memory. 
  1653.  
  1654. Syntax 
  1655. LoadTs( szName ) 
  1656. szName is the complete filename including drive and path. 
  1657. If this called without parameter this function displays a filedialog. 
  1658.  
  1659. Return Value 
  1660. The function returns: 
  1661. 0 - if the calculation sucessfull ended. 
  1662. 1 - if an error occured. 
  1663.  
  1664. Example 
  1665.  
  1666. Say 'Loading a time series'
  1667. rc = LoadTs('C:\math\lorenz.ts.nld'
  1668.  
  1669. Say 'Calculating the autocorrelation'
  1670. rc = CalcAutocorrelation()
  1671. if rc = 0 then Say 'sucessfully ended'
  1672. else Say 'An Error occured'
  1673.  
  1674. See also 
  1675. SaveTs 
  1676.  
  1677.  
  1678. ΓòÉΓòÉΓòÉ 8.23. Plot1D ΓòÉΓòÉΓòÉ
  1679.  
  1680. This function displays a 1-dimensional plots of the loaded time series. 
  1681.  
  1682. Syntax 
  1683. Plot1D( CoordinateID) 
  1684. CoordinateID specifies the displayed coordinate. Possible numbers are 1 - 3. 
  1685. For all other vou must use the user difined Plot Routine. 
  1686.  
  1687. Return Value 
  1688. The function returns 
  1689. 0 if the plot is displayed 
  1690. 1 if an error occured 
  1691.  
  1692. Example 
  1693.  
  1694. Say 'Loading a time series'
  1695. rc = LoadTs('C:\math\lorenz.ts.nld')
  1696.  
  1697. Say 'Plot the first coordinate of the time series'
  1698. rc = Plot1D( 1 )
  1699.  
  1700. See also 
  1701. LoadTs 
  1702.  
  1703.  
  1704. ΓòÉΓòÉΓòÉ 8.24. Plot3D ΓòÉΓòÉΓòÉ
  1705.  
  1706. This function displays a 3-dimensional plot of the loaded time series. 
  1707.  
  1708. Syntax 
  1709. Plot1D( SwitchFlag ) 
  1710. SwitchFlag specifies the 3D-mode to display. Possible values are '3D' with 
  1711. Red-Green-Offset or 'MODELL' without Red-Green-Offset. 
  1712.  
  1713. Return Value 
  1714. The function returns 
  1715. 0 if the plot is displayed 
  1716. 1 if an error occured 
  1717.  
  1718. Example 
  1719.  
  1720. Say 'Loading a time series'
  1721. rc = LoadTs('C:\math\lorenz.ts.nld')
  1722.  
  1723. Say 'Plot the time series in real 3D'
  1724. rc = Plot3D( '3D' )
  1725.  
  1726. See also 
  1727. LoadTs 
  1728. Plo1D 
  1729.  
  1730.  
  1731. ΓòÉΓòÉΓòÉ 8.25. PlotAcf ΓòÉΓòÉΓòÉ
  1732.  
  1733. This function displays the autocorrelation function of the loaded time series. 
  1734.  
  1735. Syntax 
  1736. PlotAcf( CoordinateID) 
  1737. CoordinateID specifies the displayed coordinate. Possible numbers are 1 - 3. 
  1738.  
  1739. Return Value 
  1740. The function returns 
  1741. 0 if the plot is displayed 
  1742. 1 if an error occured 
  1743.  
  1744. Example 
  1745.  
  1746. Say 'Loading a time series'
  1747. rc = LoadTs('C:\math\lorenz.ts.nld')
  1748. rc = CalcAutocorrelation()
  1749.  
  1750. Say 'Plot the autocorrelation of the first coordinate'
  1751. rc = PlotAcf( 1 )
  1752.  
  1753. See also 
  1754. LoadTs 
  1755. CalcAutocorrelation 
  1756.  
  1757.  
  1758. ΓòÉΓòÉΓòÉ 8.26. PlotFunction ΓòÉΓòÉΓòÉ
  1759.  
  1760. This function displays a calculated function of the loaded time series like the 
  1761. Prediction Error. 
  1762.  
  1763. Syntax 
  1764. PlotFunction( FunctionID ) 
  1765. FunctionID specifies the displayed function. Possible numbers are 
  1766.  
  1767.  ID     Function 
  1768.  2      Autocorrelation 
  1769.  4      Kolmogorov Entropy 
  1770.  8      Fill Factor 
  1771.  16     Prediction Error 
  1772.  32     Mutual Information 
  1773.  64     Singular Value Decomposition 
  1774.  128    Fouriertransformation 
  1775.  256    Wavelet Spectrum 
  1776.  512    Lyapunov Exponents 
  1777.  1024   Quadratic Autocorrelation 
  1778.  2048   Correlationsintegral 
  1779.  4096   Correlation Dimension 
  1780.  8192   Lyapunov Bifurcation 
  1781.  
  1782. Return Value 
  1783. The function returns 
  1784. 0 if the plot is displayed 
  1785. 1 if an error occured 
  1786.  
  1787. Example 
  1788.  
  1789. Say 'Loading a time series'
  1790. rc = LoadTs('C:\math\lorenz.ts.nld')
  1791. rc = CalcPredictionError()
  1792.  
  1793. Say 'Plot the Prediction Error'
  1794. rc = PlotFunction( 16 )
  1795.  
  1796. See also 
  1797. Plot1D 
  1798. Plot3D 
  1799.  
  1800.  
  1801. ΓòÉΓòÉΓòÉ 8.27. PrintScreen ΓòÉΓòÉΓòÉ
  1802.  
  1803. This function prints the actual window on the standard printer. 
  1804.  
  1805. Syntax 
  1806. PrintScreen() 
  1807.  
  1808. Return Value 
  1809. The function returns 
  1810. 0 if the plot is displayed 
  1811. 1 if an error occured 
  1812.  
  1813. Example 
  1814.  
  1815. Say 'Loading a time series'
  1816. rc = LoadTs('C:\math\lorenz.ts.nld')
  1817.  
  1818. Say 'Plot the first coordinate of the time series'
  1819. rc = Plot1D( 1 )
  1820. rc = PrintScreen()
  1821.  
  1822. Plot1D 
  1823.  
  1824.  
  1825. ΓòÉΓòÉΓòÉ 8.28. Query ΓòÉΓòÉΓòÉ
  1826.  
  1827. This function displays a message box with a specified prompt, an edit box for 
  1828. the user to enter string data to be sent back to the macro, and OK and Cancel 
  1829. buttons. You can use Query to request information from the user. 
  1830.  
  1831. Syntax 
  1832. Query( MessageText, PromptText ) 
  1833. MessageText is a string passed as a prompt to the user. The Time Series 
  1834. Analyzer accepts a maximum of 80 characters. However, the number of characters 
  1835. that actually display depends on the font used for dialog boxes. PromptText is 
  1836. optional parameter that is displayed in the edit field as a default. 
  1837.  
  1838. Return Value The string typed by the user. Null string ("") if the user does 
  1839. not type anything. If the user chooses Cancel instead of OK, the macro returns 
  1840. also the Null string. 
  1841.  
  1842. Example 
  1843.  
  1844. Say 'Loading a time series'
  1845. Name = Query('Name of time series to load :')
  1846. rc = LoadTs(Name)
  1847.  
  1848. Say 'Plot the first coordinate of the time series'
  1849. rc = Plot1D( 1 )
  1850. rc = PrintScreen()
  1851.  
  1852.  
  1853. ΓòÉΓòÉΓòÉ 8.29. SaveMetaFile ΓòÉΓòÉΓòÉ
  1854.  
  1855. This function saves the actual screen as a metafile on disk. 
  1856.  
  1857. Syntax 
  1858. SaveMetaFile( Name ) 
  1859. Name  specifies the filename of the metafile 
  1860.  
  1861. Return Value 
  1862. The function returns 
  1863. 0 if the screen is saved 
  1864. 1 if an error occured 
  1865.  
  1866. Example 
  1867.  
  1868. Say 'Loading a time series'
  1869. rc = LoadTs('C:\math\lorenz.ts.nld')
  1870.  
  1871. Say 'Plot the first coordinate of the time series'
  1872. rc = Plot1D( 1 )
  1873. rc = SaveMetaFile('Picture.met')
  1874.  
  1875. Plot1D 
  1876.  
  1877.  
  1878. ΓòÉΓòÉΓòÉ 8.30. SaveOutput ΓòÉΓòÉΓòÉ
  1879.  
  1880. This function saves the contents of the REXX output dialogbox to disk in the 
  1881. actual directory. This function is the same as pressing the Save button in the 
  1882. REXX Dialogbox. The filename is 'TSA.LOG' 
  1883.  
  1884. Syntax 
  1885. SaveOutput() 
  1886.  
  1887. Return Value 
  1888. The functions returns 
  1889. 0 - if the contents are saved. 
  1890. 1 - if an error occured. 
  1891.  
  1892. Example 
  1893.  
  1894. Say 'Calculating the Prediction Error'
  1895. rc = CalcPredictionError()
  1896. if rc = 0 then Say 'Calculation sucessfull'
  1897. else Say 'Error'
  1898. rc = CalcCorrelationDim()
  1899.  
  1900. TextDim = GetCorrelationDim()
  1901. AttractorDim = Word(TextDim,1)
  1902. Error = Word(TextDim,2)
  1903.  
  1904. Say 'The attractor Dimension is ' AttractorDim
  1905. Say 'The error is ' Error
  1906. rc = SaveOut()
  1907.  
  1908. See also 
  1909. CopyOutput 
  1910. VisualMode 
  1911.  
  1912.  
  1913. ΓòÉΓòÉΓòÉ 8.31. SetLabelText ΓòÉΓòÉΓòÉ
  1914.  
  1915. This function is used to change the xy labeltext of the actual plot. To see the 
  1916. changes you must call UpdateScreen(). 
  1917.  
  1918. Syntax 
  1919. SetLabelText( Flag, LabelText ) 
  1920. Flag specifies the labeltext to change 
  1921. 0    specifies the x labeltext 
  1922. 1    specifies the y labeltext 
  1923.  
  1924. LabelText is the new Text for the specified axis. 
  1925.  
  1926. Return Value 
  1927. The function returns 
  1928. 0 - if the labeltext is changed 
  1929. 1 - if an error occured. 
  1930.  
  1931. Example 
  1932.  
  1933. rc = Plot1D( 0 )
  1934. rc = SetLabelText(0,'The x axis')
  1935. rc = SetLabelText(1,'The y axis')
  1936. rc = UpdateScreen()
  1937.  
  1938. See also 
  1939. SetTitleText 
  1940.  
  1941.  
  1942. ΓòÉΓòÉΓòÉ 8.32. SetTitleText ΓòÉΓòÉΓòÉ
  1943.  
  1944. This function is used to change the titletext of the actual plot. To see the 
  1945. changes you must call UpdateScreen(). 
  1946.  
  1947. Syntax 
  1948. SetTitleText( TitleText ) 
  1949. TitleText is the new Titletext for the actual plot. 
  1950.  
  1951. Return Value 
  1952. The function returns 
  1953. 0 - if the titletext is changed 
  1954. 1 - if an error occured. 
  1955.  
  1956. Example 
  1957.  
  1958. rc = Plot1D( 0 )
  1959. rc = SetLabelText(0,'The x axis')
  1960. rc = SetLabelText(1,'The y axis')
  1961. rc = SetTitleText('The Title')
  1962. rc = UpdateScreen()
  1963.  
  1964. See also 
  1965. SetLabelText 
  1966.  
  1967.  
  1968. ΓòÉΓòÉΓòÉ 8.33. SetTsLength ΓòÉΓòÉΓòÉ
  1969.  
  1970. This function sets the length of the actual loaded time series. 
  1971.  
  1972. Syntax 
  1973. SetTsLength( Size ) 
  1974. Size - is an integer value that specifies the new length of the time series 
  1975.  
  1976. Return Value 
  1977. The function returns 
  1978. 1 - if an error occured. 
  1979. 0 - if the length is changed. 
  1980.  
  1981. Example 
  1982.  
  1983. Say 'Changing the Size of the time series'
  1984. length = GetTsLength()
  1985. Say 'Length = ' dim
  1986. Do i = 1 to 10
  1987. rc = SetTsLength( i * 1024 )
  1988. rc = CalcPredictionError()
  1989. dim_E = GetEmbeddingDim(0)
  1990. delay = GetDelay(0)
  1991. Say 'dim = ' dim_E
  1992. Say 'delay ' delay
  1993. end
  1994.  
  1995. See also 
  1996. GetTsDim 
  1997.  
  1998.  
  1999. ΓòÉΓòÉΓòÉ 8.34. SetTsOffset ΓòÉΓòÉΓòÉ
  2000.  
  2001. This function set the start index of the actual loaded time series. In general 
  2002. this function is used in combination with SetTsLength to change the calculation 
  2003. window. 
  2004.  
  2005. Syntax 
  2006. SetTsOffset( Offset ) 
  2007. Offset - is the start index into the actual time series 
  2008.  
  2009. Return Value 
  2010. The function returns 
  2011. 1 - if an error occured. 
  2012. 0 - if the index is changed 
  2013.  
  2014. Example 
  2015.  
  2016. Say 'Changing the Size of the time series'
  2017. length = GetTsLength()
  2018. Say 'Length = ' dim
  2019. Do i = 1 to 10
  2020. rc = SetTsLength( 1024 )
  2021. rc = SetTsOffset( i * 128 )
  2022. rc = CalcPredictionError()
  2023. dim_E = GetEmbeddingDim(0)
  2024. delay = GetDelay(0)
  2025. Say 'Number = ' i
  2026. Say 'dim = ' dim_E
  2027. Say 'delay ' delay
  2028. end
  2029.  
  2030. See also 
  2031. SetTsLength 
  2032.  
  2033.  
  2034. ΓòÉΓòÉΓòÉ 8.35. SetViewport ΓòÉΓòÉΓòÉ
  2035.  
  2036. This function is used to change the angles in 3D View. To see the changes you 
  2037. must call the function UpdateScreen(). The unit of the values is degree, 
  2038.  
  2039. Syntax 
  2040. SetViewport( phi, theta ) 
  2041. phi is the new angle at the xy plane. 
  2042. theta is the new angle at the screen plane. 
  2043.  
  2044. Return Value 
  2045. The function returns 
  2046. 0 - if the angles are changed 
  2047. 1 - if an error occured. 
  2048.  
  2049. Example 
  2050.  
  2051. rc = Plot1D( '3D' )
  2052. rc = SetViewport(20,20)
  2053. rc = UpdateScreen()
  2054.  
  2055. See also 
  2056. GetViewport 
  2057.  
  2058.  
  2059. ΓòÉΓòÉΓòÉ 8.36. SaveTs ΓòÉΓòÉΓòÉ
  2060.  
  2061. Save the time series and all calculated functions. 
  2062.  
  2063. Syntax 
  2064. SaveTs( FunctionID, Format, szName ) 
  2065. FunctionID - Specifies the functions to save. Each function has a ID-number, if 
  2066. you want to save more then one function, simply add the numbers of the 
  2067. functions. 
  2068.  
  2069.  ID      Function 
  2070.  1      Time Series itself 
  2071.  2      Autocorrelation 
  2072.  4      Kolmogorov Entropy 
  2073.  8      Fill Factor 
  2074.  16     Prediction Error 
  2075.  32     Mutual Information 
  2076.  64     Singular Value Decomposition 
  2077.  128    Fouriertransformation 
  2078.  256    Wavelet Spectrum 
  2079.  512    Lyapunov Exponents 
  2080.  1024   Quadratic Autocorrelation 
  2081.  2048   Correlationsintegral und Dimension 
  2082.  
  2083. Format specifies the fileformat, 0 is the NLD-format, 1 is ASCII 
  2084. szName is the complete filename including drive and path. 
  2085. If this called without parameter this function displays a filedialog. 
  2086.  
  2087. Return Value 
  2088. The function returns: 
  2089. 0 - if the functions saved sucessfull ended. 
  2090. 1 - if an error occured. 
  2091.  
  2092. Example 
  2093.  
  2094. Say 'Loading a time series'
  2095. rc = LoadTs('C:\math\lorenz.ts.nld')
  2096.  
  2097. Say 'Calculating the autocorrelation'
  2098. rc = CalcAutocorrelation()
  2099. if rc = 0 then Say 'sucessfully ended'
  2100. else Say 'An Error occured'
  2101. rc = SaveTs(3,1,'C:\lorenz')
  2102.  
  2103. See also 
  2104. LoadTs 
  2105.  
  2106.  
  2107. ΓòÉΓòÉΓòÉ 8.37. SetDelay ΓòÉΓòÉΓòÉ
  2108.  
  2109. Change the actual used delay for the calculations 
  2110.  
  2111. Syntax 
  2112. SetDelay( tau ) 
  2113. tau sets the delay to tau 
  2114.  
  2115. Return Value 
  2116. The function returns 
  2117. 0 - if the operation was sucessfull 
  2118. 1 - if an error occured 
  2119.  
  2120. Example 
  2121.  
  2122. Say 'Calculating the Prediction Error'
  2123. rc = CalcPredictionError()
  2124. if rc = 0 then Say 'Calculation sucessfull'
  2125. else Say 'Error'
  2126.  
  2127. tau = GetDelay()
  2128. Say 'The used delay is ' tau
  2129. Say 'The delay will set to 10'
  2130. rc = SetDelay(10)
  2131.  
  2132. See also GetEmbeddingDim SetEmbeddingDim 
  2133.  
  2134.  
  2135. ΓòÉΓòÉΓòÉ 8.38. SetEmbeddingDim ΓòÉΓòÉΓòÉ
  2136.  
  2137. Change the actual used embedding dimension for the calculations 
  2138.  
  2139. Syntax 
  2140. SetEmbeddingDim( dim ) 
  2141. dim sets the embedding dimension to dim 
  2142.  
  2143. Return Value 
  2144. The function returns 
  2145. 0 - if the operation was sucessfull 
  2146. 1 - if an error occured 
  2147.  
  2148. Example 
  2149.  
  2150. Say 'Calculating the Prediction Error'
  2151. rc = CalcPredictionError()
  2152. if rc = 0 then Say 'Calculation sucessfull'
  2153. else Say 'Error'
  2154.  
  2155. dim = GetEmbeddingDim()
  2156. Say 'The used embedding dimension is ' dim
  2157. Say 'The embedding dimension will set to 10'
  2158. rc = SetEmbeddingDim(10)
  2159.  
  2160. See also GetEmbeddingDim SetDelay 
  2161.  
  2162.  
  2163. ΓòÉΓòÉΓòÉ 8.39. ShowSpecialPoints ΓòÉΓòÉΓòÉ
  2164.  
  2165. Enables or disables the view of all calculated special points from the actual 
  2166. loaded time series. 
  2167.  
  2168. Syntax 
  2169. ShowSpecialPoints( SwitchFlag ) 
  2170. SwitchFlag can be either set to 'ON' to enable the view or 'OFF' to disable the 
  2171. view. 
  2172.  
  2173. Return Value 
  2174. The function returns: 
  2175. 0 - if the calculation sucessfull ended. 
  2176. 1 - if an error occured. 
  2177.  
  2178. Example 
  2179.  
  2180. Say 'Plotting the time series in real 3D view'
  2181.  
  2182. if rc = 0 then Say 'sucessfully ended'
  2183. else Say 'An Error occured'
  2184. rc = AddSpecialPoints('CENTRE_OF_GRAVITY',1)
  2185. rc = ShowSpecialPoints( 'ON' )
  2186. rc = Plot3D( '3D' )
  2187.  
  2188. See also 
  2189. Plot3D 
  2190. AddSpecialPoints 
  2191.  
  2192.  
  2193. ΓòÉΓòÉΓòÉ 8.40. UpdateScreen ΓòÉΓòÉΓòÉ
  2194.  
  2195. Use this function to update the window. After this function all changes like 
  2196. Title or labels are active. 
  2197.  
  2198. Syntax 
  2199. UpdateScreen( Flag ) 
  2200. Flag is an optional parameter to specify if the statusbar is updated. If Flag 
  2201. is 0 the statusbar will not be updated, any other value the statusbar will be 
  2202. updated. 
  2203.  
  2204. Return Value 
  2205. This function returns 
  2206. 0    if the window is updated 
  2207. 1    if an error occured 
  2208.  
  2209. Example 
  2210.  
  2211. rc = Plot1D(0)
  2212. rc = SetTitleText('Title')
  2213. rc = UpdateScreen()
  2214.  
  2215.  
  2216. ΓòÉΓòÉΓòÉ 8.41. VisualMode ΓòÉΓòÉΓòÉ
  2217.  
  2218. Use this function to display a REXX Output Window. All SAY-commands are 
  2219. displayed in this window. 
  2220.  
  2221. Syntax 
  2222. VisualMode ON/OFF 
  2223. ON activates the output window for SAY-commands 
  2224. OFF deactivates this window 
  2225.  
  2226. Return Value 
  2227. This function has no return value. 
  2228.  
  2229. Example 
  2230.  
  2231. VisualMode ON
  2232. Say 'All text is dislayed'
  2233.  
  2234.  
  2235. ΓòÉΓòÉΓòÉ 9. Thanks ΓòÉΓòÉΓòÉ
  2236.  
  2237. Rolf Langjahr 
  2238.  
  2239. He has studied medicine at the university Giessen for several years and is now 
  2240. finished with his master degree. The methods of nonlinear dynamics give him the 
  2241. choice to analyse complex medical systems like heart beat and brain streams. So 
  2242. he is interesting in my work with the Time Series Analyzer. 
  2243.  
  2244. o He is the first tester of the Time Series Analyzer program. 
  2245.  
  2246. o He wrotes the import filter for WAV Sound files so that I can implement it 
  2247.   directly 
  2248.  
  2249. o Last but not least he gave me some usefull data sets of heart beats and 
  2250.   Cochlear microphonics which he recorded during his study at Giessen. 
  2251.  
  2252.  
  2253. ΓòÉΓòÉΓòÉ 10. Reported Bugs ΓòÉΓòÉΓòÉ
  2254.  
  2255. Reported bugs in Version 0.97.12 
  2256.  
  2257. o You can create more than one instance of the program and execute a REXX macro 
  2258.  
  2259.  
  2260. ΓòÉΓòÉΓòÉ <hidden>  ΓòÉΓòÉΓòÉ
  2261.  
  2262.                               Time Series Analyzer
  2263.                        Version 0.96.1129 for OS/2 3.0 Warp
  2264.  
  2265.                                   copyright by
  2266.                          Wolfgang Reichenbach 1993-1995
  2267.                     e-mail: pixies@nlp.physik.th-darmstadt.de
  2268.  
  2269.  
  2270. ΓòÉΓòÉΓòÉ <hidden>  ΓòÉΓòÉΓòÉ
  2271.  
  2272. Jaap C. Schouten, Floris Takens, Cor M. van den Bleek; 
  2273.  
  2274.  Maximum-likehood estimation of the entropy of an attractor 
  2275.  
  2276. Physical Review E, Volume 49, Number 1