胎儿心率信号的替代数据分析

利用基于关联维数的振幅调节傅里叶变换的替代数据法对健康的和病态的胎儿心率(Fetal heart rate,即FHR)时间序列进行了分析,给出了胎儿心率时间序列非线性和混沌特性的判定方法,计算结果表明健康的胎儿心率信号的混沌判据S＞2,非线性t检验t＞tαf,说明健康信号具有非线性混沌特性;而病态的胎儿心率信号的混沌判据S＜2,说明病态信号不具有混沌特性.     

含噪声多变量混沌时间序列的最大Lyapunov指数计算

在小数据量法的基础上,采用非线性最小二乘法估算含噪声多变量混沌时间序列的最大Lyapunov指数(λ1).首先介绍了小数据量法求解λ1的原理,然后给出了非线性最小二乘法估算λ1的算法原理和具体实现步骤,最后将该方法分别用于Rossler耦合混沌系统和多组冲击地压监测时间序列的λ1求解.Rossler耦合系统结果表明该方法能明显提高有限长且含有噪声的多变量混沌时间序列的λ1的估算精度.冲击地压数据的结果表明这些数据均具有混沌特性,可进行8~15 d的预测,这为冲击地压的短期预测提供了有力的支撑.     

基于非线性动力学分析的车辆运行状态参数数据特征辨识

考虑到车辆运行状态参数时间序列不仅呈现随机性,有些还呈现混沌特性,因此,有必要对其参数数据特征进行正确辨识,以区分其参数时间序列是随机的还是混沌的。应用延迟坐标状态空间重构和最大李雅普诺夫(Lyapunov)指数法进行了非线性动力学分析,对车辆运行状态参数数据的有效信息进行深层提取。研究结果表明,由G-P算法求解得到的饱和关联维数是非整数,且最大Lyapunov指数大于零,两者综合表征此序列是混沌时间序列。因此,依据辨识结果选择适宜方法进行后继研究更具科学性。     

递归图法在径流时间序列非线性分析中的应用

为有效利用径流数据的非线性特征来对径流作分类识别,提出采用递归图和近似熵获取原始时间序列的动力学行为的方法.在计算随机、正弦和Logistic映射3种典型时间序列的递归图的基础上,采用递归图分析获取不同时间尺度的径流时间序列的动力学行为的方法,进行确定性检验,定性的判断径流序列的非线性和原动力系统的确定性.在递归图算法的基础上,定量地将近似熵用于序列的复杂度描述,对4组径流序列的递归图和近似熵进行比较,得出混沌递归分析是一种流型识别的有效辅助诊断工具.     

基于混沌RBF网络的地下厂房围岩变形预报

引入混沌时间序列理论有效解决非线性混沌时间序列的预报问题.表征混沌特性的分维数D和最大Lya-punov指数1λ计算结果表明变形时间序列具有混沌特性;神经网络克服了模型必须是基本观测数据的线性和非线性组合的局限,具有很强的自适应性和记忆功能.结合混沌特性将一维时间序列重构为多维相空间,优化RBF神经网络结构,建立混沌时间序列神经网络预报模型.实例表明,预测值与实测值的相对误差小于6%;后期预报的变形随时间增长呈下降趋势,符合工程实际情况.     

基于云变换的混沌动力系统逼近性研究

为了解决混沌系统内禀的强非线性和类随机性对由混沌时间序列重构混沌吸引子的不利影响,基于云模型理论,提出一种基于云变换的混沌动力学系统逼近方法;该方法将非线性时间序列看成是许多备选序列在某一概率意义下的实现,并对Lorenz混沌时间序列和NewtonLeipnik混沌时间序列在无噪和有噪两种情况下进行仿真,验证了该方法的可行性。     

基于BP神经网络的混沌时间序列预测方法及应用研究

神经网络在时间序列的预测中得到广泛的应用,但神经网络模型的输入层神经元个数的选取仍然没有一个明确的解析式来表达.为解决这个问题,在非线性动力系统中,根据混沌理论重构相空间,通过最大Lyapunov指数判定时间序列是否存在混沌现象,存在则通过G-P算法计算出混沌吸引子的关联维数,进而获得相空间的嵌入维数作为神经网络的神经元个数.通过上述方法对铝现有价格进行建模,验证该方法对时间序列的短期预测有较好的精度,在此基础上,对未来一段时间铝价格进行预测.     

一种改进的测井时间序列的最大Lyapunov指数求取方法

测井时间序列的解释和测井相识别是油田开发工作中的首要难题,极大地影响后续工作的成效.应用混沌理论,以相空间重构为基础,研究了油层组的混沌吸引子的特点.在此基础上,给出了一种改进的测井时间序列的最大Lyapunov指数求取方法.改进后的算法缩小了最近邻点的搜索范围,提高了运算效率.实验结果表明,不同的油层组具有不同的最大Lyapunov指数,所有油层组的最大Lyapunov指数均大于0.     

基于回声状态网络和主元分析的混沌时间序列预测模型

回声状态网络(Echo State Network,ESN)能够极好地逼近非线性系统,在非线性混沌时间序列的预测中取得了良好的效果.但是,由于ESN的训练和预测过程是1个高维权值矩阵的运算过程,往往不能获得更好的预测速度.文章提出了一种基于主元分析与回声状态网络相融合的非线性混沌时间序列预测模型.该模型通过主元分析降低输入向量的维数,以减小ESN输入权值矩阵的规模,降低运算的复杂度,从而达到减小ESN训练时间、提高预测速度的目的.利用仿真数据对ESN和文中模型进行了精度和预测时间对比实验,表明该模型是一种有效模型.     

振动噪声环境影响下脉搏信号的非线性特性比较

应用代替数据法计算振动噪声环境影响下脉搏信号的混沌特性,根据所得到的几个特征参数值对不同振动噪声环境下的脉搏信号进行非线性特性对比与分析;阐述了基于代替数据法的时间序列的混沌特性计算原理,通过实验测量不同振动噪声参数并计算与之相应的脉搏信号,获得了振动噪声参数对脉搏信号特征参数的数值变化及影响规律.     

给水管网余氯的混沌特性与预测

基于混沌理论，研究了给水管网余氯时间序列的混沌特性．并根据混沌理论的最大Lyapunov指数对其进行了预测的研究．采用混沌理论的特征参数一一关联维数和最大Lyapunov指数分析了余氯时间序列的混沌特征．通过实例分析证明给水管网的余氯时间序列存在混沌特征．基于最大Lyapunov指数提出了给水管网余氯的预测模型，实例研究结果表明不需要管网其他监测点或其他水质监测数据的辅助，该方法能够进行连续多步预测，并且其在最大可预测时间尺度内的预测精度较高而且比较稳定，而在最大可预测时间尺度外的预测精度下降很快并且预测稳定性较差．     

胎儿瞬时心率信号的非线性分析

心率包含自治神经系统协作活动的可靠信息,对FHR信号进行研究有助于对胎儿健康状况的诊断,因此本文利用非线性时间序列的分析方法对健康胎儿心率（FHR）信号的动力学特性展开研究,利用超声多普勒监护仪测取FHR信号,选取85例健康信号进行分析,结果表明：由健康的FHR信号重构的吸引子明显区别于周期吸引子和噪声,最大Lyapunov指数LLE为0.11±0.04,关联维为58±0.34,替代数据测试表明原数据显著区别于替代数据集,因此健康胎儿的FHR信号具有非线性混沌特征,所描述的系统是一个高维混沌系统。     

昆明年降雨量时间序列的混沌分析

降雨对水文水资源系统的预报预测是极其重要的.应用重构相空间技术和混沌理论对昆明1951-2010年降雨时间序列的特性进行了分析,通过研究嵌入相空间维数和关联维数之间的变化关系得到了饱和关联维.结果表明,昆明年降水系统中的混沌现象是存在的.这一研究结果为利用混沌理论建立预测模型提供了较为科学的依据.     

一种基于相空间高斯混合模型的测井相识别方法

油层测井相识别是油田开发的重要依据.油层的测井相类别如果发生误判,将会影响它和邻井对应油层之间的连通对比关系的判断,造成开采方案的失败.测井相的类间差异小,领域知识要求高,属于难度较大的模式识别问题.在研究了混沌建模的基本方法后,给出了一种基于相空间高斯混合模型的测井相识别方法.对每类训练样本形成一个重构相空间,用EM算法学习得到一个高斯混合模型,待识序列按其属于不同类别的高斯混合模型的条件概率进行分类.该方法可以对不规则样本的形态参数进行估计,从而提高测井相的识别精度.实验结果证明了该方法的有效性.     

高炉铁水硅质量分数的非线性检验

为检验硅质量分数w(Si)的非线性特征，以邯郸钢铁公司7号高炉在线采集的2000炉铁水的w(Si)数据作为母体样本空间，首先运用替代数据法对w(Si)时间序列做非线性定量检验；针对替代数据法容易受系统噪声和时间序列自相关程度影响的缺点，根据信息论冗余图像法进一步对w(Si) 序列做非线性定性判别；通过与典型的线性自回归模型和混沌Lorenz模型的冗余图像的比较，指出w(Si)序列的非线性并非是噪声引起的平凡非线性，而是高炉冶炼内在机理决定的本质非线性，为应用非线性模型对炉温做预测和控制建立理论了依据     

复杂系统状态预测的小波包方法

基于小波包变换和混沌理论对复杂系统状态预测方法进行了研究，首先应用小波包变换对系统的特征参数序列进行3层分解，得到第3层从低频到高频8个频率成分的时序；然后，对8个时序作进一步分析，以确认它们都存在混沌特性，再应用混沌理论分别建立8个时序的预测模型，分别对8个时序进行预测；最后，基于小波包理论将混沌模型预测的结果予以小波包重构，实现对系统特征参数序列的预测，实例研究表明，该方法具有较高预测精度，可有效地应用于复杂系统的状态预测和故障趋势预测分析中。     

复杂系统状态预测的小波包方法

基于小波包变换和混沌理论对复杂系统状态预测方法进行了研究.首先应用小波包变换对系统的特征参数序列进行3层分解,得到第3层从低频到高频8个频率成分的时序;然后,对8个时序作进一步分析,以确认它们都存在混沌特性,再应用混沌理论分别建立8个时序的预测模型,分别对8个时序进行预测;最后,基于小波包理论将混沌模型预测的结果予以小波包重构,实现对系统特征参数序列的预测.实例研究表明,该方法具有较高预测精度,可有效地应用于复杂系统的状态预测和故障趋势预测分析中.