探索空中交通流时间序列的多重分形特征有助于理解时间序列中的自相似性和相关性，从而有助于深入了解空中交通流的演变机理和规则模式，从而有助于发展有效的空中交通流量管理措施。 利用多元分形趋势波动分析方法，我们确定了北京首都国际机场2017年夏季的总量，到达和起飞空中交通流量时间序列在对应分频以下的尺度上具有多重分形性，并且其主要原因是多重分形的特征是大小波动的远距离相关性。 在时间序列的多重分形上进行的比较表明，总的和到达的空中交通流分别具有最强和最弱的多重分形，而离场的空中交通流介于两者之间。 比较结果还表明，总的和到达的空中交通流量对大的波动不敏感，以小波动为主导，而出发的空中交通流量对小波动不敏感，并且以大波动为主导。 此外，对雷暴季节和非雷暴季节的时间序列的多重分形特征的调查表明，雷暴季节对总空中交通流量的影响最大，并且在多重分形性方面存在显着的本质差异。雷暴季节前后的总空中交通流量。 对于到达的空中交通流量，极端波动率仅存在差异，而对于出发的空中交通流量，除了数量上的一些差异外，本质上没有差异。

在随机过程、混沌理论和时间序列分析中，去趋势波动分析 (DFA) 是一种通过计算 alpha（或 Hurst 指数 H）来确定信号的统计自亲和性的方法。它对于分析出现的时间序列很有用是长期依赖的过程。 然而，传统的 DFA 只缩放二阶统计矩并假设过程是正态分布的。 当前 zip 文件夹中的 MFDFA1 和 MFDFA2 计算所有 q 阶统计矩的 H(q) 以及局部 Hurst 指数 H(t)。 此外，H(q) 和 H(t) 还用于通过 H(q) 的勒让德变换或直接从 H(t) 的直方图计算多重分形谱 D(h)。 如果这些代码用于科学出版物，请引用 zip 文件夹中包含的 Ihlen (2012)。 小波和EMD趋势化的MFDFA代码的修改在菱www.ntnu.edu/inm/geri/software

是一种近年来提出的复杂度分析方法，相对其他复杂度分析方法，它更侧重于揭示隐藏在序列中内部的细节信息以及局部波动信息，非常适合特征提取