共查询到10条相似文献,搜索用时 843 毫秒
1.
2.
针对随空间、时间呈现非平稳、非线性变化的特征,提出基于极限学习机和掩膜经验模态分解的组合短期风速预测方法.首先,风速序列的非平稳性特征对风速预测结果有较大影响,利用掩膜经验模态分解的方法将风速序列分解成对平稳的不同频率的分量,解决其存在的非平稳性问题;其次,为处理极限学习机的输入维数随意性选取问题,对风速序列分解不同频率的分量进行相空间重构;最后,利用ELM神经网络方法对各分量建立预测模型.实验结果表明:该预测方法在短期风速序列预测中取得了理想的预测效果,提高了算法精度,具有先进性和有效性. 相似文献
3.
4.
5.
针对武器自动机含噪冲击振动信号的混沌特性识别问题,提出了基于神经网络的混沌特征识别算法.将信号进行降噪处理,利用神经网络强大的学习和非线性处理能力,逼近信号真实相空间映射建立Jacobian矩阵,通过Jacobian矩阵计算出最大Lyapunov指数,并判断信号是否含有混沌特征.分别采用Lorenz仿真系统和自动机动作的冲击振动实测信号进行算法验证,仿真和试验结果表明提出的算法可以有效地解决自动机冲击振动信号混沌特性识别问题. 相似文献
6.
7.
一种基于混沌特性的网络流量改进预测算法 总被引:1,自引:0,他引:1
高速网络中网络流量具有自相似特征,这种自相似性特征和混沌现象的吸引子有着密切联系。基于相空间重构理论,用网络流量混沌时间序列重构与原网络动力系统等距同构的相空间,通过计算网络关联维数、Kolmogorov熵和最大Lyapunov指数,证实网络流量具有混沌特性。分别采用基于Wolf原始算法和改进算法的最大Lyapunov指数方法,对网络流量进行了预测,并计算了最大可预报时间。仿真结果表明,基于Wolf改进算法的预测方法精度和可靠性高,从而为有效预防网络拥塞奠定了基础。 相似文献
8.
9.