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．     

基于Lyapunov指数的混沌预测方法及在水质预测中的应用

根据混沌原理对原水水质时间序列进行了相空间重构,利用自相关系数法、经典G-P算法和改进的最大Lyapunov指数法对新的相空间中原水水质时间序列的延迟时间τ、嵌入维数m、关联维数D和最大Lyapunov指数(λ1)进行了计算.在τ=5,m=9,D=4.489 1,λ1=0.024 2的条件下,利用基于Lyapunov指数的混沌预测方法对天津水源厂1995-2003年原水耗氧量时间序列进行了预测,预测误差低于15%.分析结果表明原水水质时间序列具有混沌特性,利用混沌原理对原水水质时间序列的短期变化进行预测是可行的,混沌理论在水质预测方面具有良好的应用前景.     

基于改进型小数据量法的局域网流量预测

基于Takens理论对混沌时间序列进行相空间重构,对小数据量法进行如下改进:利用C-C算法计算嵌入维和延迟时间;以功率对频率加权并采用求平均的方法计算平均周期,使小数据量法更加完善。使用改进前、后的小数据量法分别仿真计算Lorenz系统混沌时间序列的Lyapunov指数并预测混沌时间序列,并计算实测局域网流量时间序列的最大Lyapunov指数并预测局域网流量时间序列。仿真及实验结果均表明,采用改进型小数据量法进行流量预测,精度更高、速度更快、预测点数更多。     

基于最大Lyapunov指数方法预测油田产量

传统的预测方法是先建立数据序列的主观模型,然后根据主观模型进行计算和预测,而混沌科学的发展使得不必事先建立主观模型,直接根据数据序列本身所计算出来的客观规律(如Lyapunov指数等)进行预测,避免预测的人为主观性.提出适用于小数据序列的方法,几乎利用了所有的数据信息,能够计算出比较精确的Lyapunov指数.结果表明:该方法可靠、计算量小、相对易操作,精度高,并能得出最大预测时间.     

基于混沌时间序列的黄土滑坡变形预测方法及应用

采用GNSS技术进行滑坡变形监测时,由于多路径等观测误差的存在,直接使用GNSS监测结果进行变形预测会影响预测结果的精度。为了探讨GNSS测量误差对变形预测结果的影响程度,考虑到滑坡系统的混沌特性,采用混沌理论对陕西泾阳地区庙店滑坡GNSS变形监测结果抑噪处理前后的时间序列进行了对比分析。首先,采用互信息量法确定监测序列的时间延迟、用改进的虚假邻近点法(Cao算法)确定嵌入维数,获取相空间重构参数; 然后使用最大Lyapunov指数对两种变形监测序列进行混沌特性识别; 最后,分别使用加权一阶局域预测方法、最大Lyapunov指数预测方法和BP神经网络预测方法对滑坡变形监测结果进行预测。结果表明:GNSS滑坡变形监测结果抑噪处理前后的时间序列满足混沌特性,说明滑坡系统具有混沌特性; 在3种混沌时间序列预测方法中,BP神经网络预测方法的效果较好,且该方法预测结果的平均绝对误差(MAE)和平均相对误差(MRE)分别为0.4 mm和11.9%,经过S-变换抑噪处理后,预测结果的平均绝对误差和平均相对误差分别为0.1 mm和4.1%,预测效果有明显改善。     

混沌时间序列在路基工后沉降中的应用

在混沌理论的基础上,通过路基变形的历史数据记录,对路基变形进行分析,利用混沌时间序列的最大Lyapunov指数和全域法来预测路基的最终沉降.预测的结果显示,最大Lyapunov指数和全域法的预测可行,结果比较令人满意.同时与一些常规的预测方法进行比较,确定出路基的最终沉降,对路基进行卸载.     

两种基于相空间重构的电力系统短期负荷预测方法分析

短期负荷预测是电力系统调度运营部门一项重要的基础工作,预测精度的高低直接影响到电网运行的安全性、经济性以及电能质量。采用符合短期负荷特性的混沌理论对短期负荷进行预测,在相空间重构和混沌识别的基础上,建立短期负荷加权一阶局域多步预测模型和最大Lyapunov指数的预测模型,通过对一组实际的短期负荷数据进行预测,仿真结果表明:两种方法都能较准确地预测短期负荷,对于一周内的预测结果,最大Lyapunov指数预测模型的预测精度略高于加权一阶局域多步预测模型的预测精度。     

降雨与边坡地下水位关系的时间序列分析

针对边坡地下水位监测工程中存在的监测成本高且长期监测稳定性差的问题,提出以监测降雨量辅助地下水位监测的方案.考虑到降雨与地下水位的相关性,研究通过降雨量数据间接估计地下水位变化趋势的方法.将基于统计理论的单因素时间序列分析法,根据影响因素类别的数量拓展至多维空间,建立降雨-地下水位关系的多因素时间序列分析模型,探讨影响地下水位变化的各因素作用规律及滞后效应,分析降雨影响阈值.将建立的降雨-地下水位分析模型应用于官家村滑坡工程实践中,根据该滑坡的前期监测数据建立模型对地下水位进行长期预测,并与实测数据进行对比,验证了该模型在边坡地下水预测领域中的有效性.     

基于最大Lyapunov指数改进算法的水量预测与控制

为了提高城市用水量的预测精度,针对城市用水量的非线性及复杂性,应用最大Lyapunov指数改进算法,利用历史数据信息,在重构相空间的基础上对城市用水量进行短期预测,应用混沌理论对用水量时间序列进行分析,与历史数据比较,表明了预测方法的可行性和实用性.最大Lyapunov指数改进算法用于城市用水量预测及泵站水泵机组运行工况控制获得了很好的效果.     

最大Lyapunov指数实现局域网流量的预测

由于网络中存在复杂的非线性动力学特性,基于混沌理论,采用最大Lyapunov指数对局域网络流量序列进行预测分析,能够实现较早地预测出网络流量的突变特性.首先,采用相空间重构理论,并结合C-C算法将实际测试的流量时间序列投影到重构的相空间中.然后,计算其最大Lyapunov指数并对最大可预测时间进行了分析,同时对预测算法进行了研究.最后,对实际测试的局域网流量序列分别采用点预测和区间预测方法进行了分析.仿真结果显示,采用点预测方法对流量突变可以进行有效预测,突变越剧烈预测越准确;而采用区间预测可以有效预测流量的变化趋势,但不适用于广域网环境.进一步表明此方法能有效地利用所有数据信息进行预测,预测效果准确、可靠,可广泛的用于网络拥塞和网络攻击中.     

基于混沌时间序列的旋转机械状态趋势预测研究

针对旋转机械设备的非平稳运行状态,以混沌理论为基础,将最大Lyapunov指数的预测模型引入旋转机械故障趋势预示,阐述了构造预报函数f ^或F ^的两种方法,提供了混沌时间序列的最大可预测时间的计算方法,通过对大型机组实验数据的分析,证明了在最大预测时间内,该预测方法是较理想的.     

Trend Prediction Method Based on the Largest Lyapunov Exponent for Large Rotating Machine Equipments

In order to predict electromechanical equipments' nonlinear and non-stationary c ondition effectively, max Lyapunov exponent is introduced to the fault trend pre diction of large rotating mechanical equipments based on chaos theory. The predi ct method of chaos time series and two methods of proposing f^ and F^ are discussed. The arithmetic of max prediction time of chaos time se ries is provided. Aiming at the key part of large rotating mechanical equipments -bearing, used this prediction method the simula...     

一种区域地下水位预报的时间序列分析方法

给出了一种新的用于周期性时间序列的预报方法，这种方法针对系列的不同周期内均值和变幅各异的特点，先从系列中消除均值和变幅的影响，生成新的系列，对新系列提取周期分量；然后对均值、变幅和残差系列建立ＡＲＭＡ模型；最后经过逆过程得到原序列的预报结果．实例分析表明，这种方法对于规律性不强的区域地下水位动态预报仍十分有效     

平原浅层地下水库调蓄研究

简述了均衡法和有限单元法的基本原理,分析了2种方法的不同特点和各自的适用范围.将2种方法相结合进行地下水库的调蓄运算.以宁陵灌区为例,对平原浅层地下水库设计参数的确定、开采方案的拟订进行了深入的研究,为制定详细的地下水开发利用规划提供了依据.并通过实例,验证了所提方法的有效性.     

基于光滑支持向量机的机械振动时间序列分析

时间序列分析方法是动态系统建模的重要手段,传统的序列预测方法如统计和神经网络并不适用于复杂的非线性系统,为此引入了一种新的基于支持向量回归(SVR)的时间序列分析方法。为了降低计算的复杂度,采用了光滑化方法对SVR的基本算法进行改进,并应用于汽轮机振动数据序列,尝试建立汽轮机组振动状态模型。仿真结果表明:光滑支持向量回归(SSVR)算法具有良好的预测性能。与传统的时间序列预测方法(如神经网络)相比,SSVR算法具有更高的收敛速度和更好的拟合精度,有效地扩展了SVR的应用范围。     

基于混沌支持向量机的径流时间序列预测研究——以渭河宝鸡林家村站径流序列为例

混沌理论和支持向量机具有强大的非线性处理能力.首先利用混沌系统相空间延迟坐标重构理论对林家村站月径流进行相空间重构,以便更为深刻地挖掘月径流序列中的信息,并运用最大Lyapunov指数法证实渭河林家村站月径流系列具有混沌特性.在此基础上利用基于统计学习理论的支持向量机建立混沌时间序列的预测模型.仿真结果表明,所提出的模型预测结果好于混沌神经网络模型的预测结果,该模型具有较高的泛化能力,可用于林家村站月径流预测.     

时间序列分析与支持向量机的滑坡位移预测

滑坡在变形演化过程中,遭受季节性外界影响因素的作用,变形位移时间曲线呈现出阶跃型特征.采用时间序列分析方法,将位移分解为趋势项和季节项.趋势项位移由坡体自身地质条件控制,利用多项式函数进行预测|季节项位移受降雨、库水位和地下水位等因素的季节性作用而变化.选取当月降雨量、累计前2个月降雨量、当月库水位高程、月库水位变化速率和当月地下水位高程作为影响因子,利用进化支持向量机耦合模型进行预测|通过时间序列加法模型得到滑坡总位移预测值.以三峡库区白家包滑坡为例,通过计算得到预测结果与实际监测值基本吻合,其中最大均方根误差为188,而最小相关系数为098.研究表明：基于时间序列分析与进化支持向量机的滑坡位移预测模型,有效反映了阶跃型滑坡位移变化规律与季节性影响因素之间的响应关系,是一种行之有效的滑坡位移预测方法.     

边坡变形预测的混沌时间序列全局近似方法

边坡系统的各种参量是不确定的和随机的,在其演化过程中发生一系列的混沌现象.运用现代混沌理论,对边坡变形的预测问题进行探索性研究,把混沌时间序列全局近似方法引入到边坡工程研究中,对该理论的建立及预测方法进行系统地讨论.通过对新滩滑坡的研究结果表明,混沌时间序列方法对混沌序列的预测较线性时间序列具有较高的精度.