时间序列分析在音乐作曲方面的应用开题报告

1. 研究目的与意义

音乐家在作曲时会不会有一定的规律？每首歌的旋律会不会存在某种可观测可预测的规律？如果掌握了这样的规律，没有作曲能力的我们是不是也可以根据现有歌曲运用统计方法和统计软件做出一段优美的旋律？基于这些问题，确立了本次选题。这样的选题源自生活，并结合所学，能将学习到的统计知识真正运用到解决实际问题中，且具有一定的趣味性，可以体现统计学适用范围的广泛，除了经常应用的经济、金融、人口等方面，还可以涉及音乐领域。还能帮助我更好地掌握专业知识，使用专业技能，运用统计软件。

2. 研究内容和预期目标

本次论文主要围绕音乐作品中数据的分析、建模和预测进行。将乐谱中的节拍视为时间点，将音符从高音到低音进行排序并编号，将乐谱转化为数据形式。利用音乐数据具有的周期性及一定的规律性，应用多种时间序列模型对音乐数据进行分析及预测，并将预测结果再次转换为乐谱形式，寻找出最优模型，并展示出模型预测出的音乐作品。

研究前待解决的关键问题是数据的收集。要将乐谱转化为利于进行时间序列分析的数据是不容易的，需要进行多次尝试。若是将各类音符笼统地分类，则会导致大量数据的重复与集中，最终会影响预测效果。若是将其细细分类，则太过庞杂，且需要一定的乐理功底。最后，时间序列预测出的结果我们无法保证其都为整数，如何取整也是一个关键问题。

本次论文的写作大致分为三个板块。第一个板块介绍数据的收集，主要是关于如何将乐谱转化为需要的数据形式。第二个板块为建模，尝试一些经典的时间序列模型，找出适合此次数据的模型。最后一部分为实证，即运用适合的多种模型对数据进行分析，比较不同模型对不同类型数据的拟合程度，寻找出适合不同数据的不同模型，运用模型进行预测，即可得出使用时间序列分析法做出的乐曲。

3. 国内外研究现状

目前，国内外学者对于时间序列分析法的应用主要集中在经济分析或者预报预测等领域，如气象预报、地震预报、人口预测、市场预测、产量预测等。对于其在音乐创作方面的应用是少之又少，目前能查阅到的较完整地一篇文章只运用了单一的ARIMA模型，未使用多种模型进行比较，且仅对一首歌进行分析，且预测结果也不太清晰，不过其在数据搜集这一步，即将乐谱转化为数据时，对于乐符的分类处理地十分细致，最终得出的数据也较为合理，这一点在研究过程中可以进行参考和借鉴。此外，通过研究时间序列分析在其他领域应用的经典案例，也是可以给本次的研究带来一些启发的。

4. 计划与进度安排

音乐有分各种派别，摇滚、抒情、古典等等，其节奏和音调的起伏都有所不同，或轻柔，或振奋。缓和的音乐如轻音乐节奏起伏小，各音符间波动较小；而较动感的音乐如摇滚乐则与轻音乐不同，音乐的音符和节奏的波动都较大，本文主要研究两类风格迥异的音乐类型，在研究不同种类的音乐作品时可能会产生不同的最优模型，所以，需要使用多种时间序列模型对数据进行分析预测，以便找出最优结果，产生出最生动的旋律。所以，此次研究主要围绕数据收集、寻找适合模型、最终进行预测来进行。其中最主要的、最困难的环节就是数据收集和模型的拟合程度两个环节。所以在前期，要使用最佳的数据收集方法，将乐符合理地进行分类与标号，只有数据合理，下面的研究才能在此基础上进行下去，否则将得出不理想的预测结果，例如最终预测结果只是几个音符的重复甚至是只有一个音符，这样研究也就没了实际意义。

5. 参考文献

[1] 赵晓葵. 基于box-jenkins方法的中国年度gdp时间序列分析建模与预测［j］. 青海师范大学学报(自然科学版)，2009,3（1）:15-19.

[2] 何书元.应用时间序列分析［m］.北京：北京大学出版社，2007.

[3] 于庆坤，厍世明，聂春明，刘玉良，林晓峰. bp神经网络机场鸟情预测方法［j］. 中国科技信息，2019,15（8）：50-51.