网络时延的混沌特性分析及预测

针对互联网的传输时延处于不确定状态的问题,从网络时延序列表现出的性质出发,将混沌理论引入对网络时延的特性分析.通过对实际网络时延数据的处理,计算验证了网络时延具有混沌特性.并提出了采用混沌一支持向量机回归模型对互联网络时延进行预测的方法,通过实例分析对该方法进行了验证.分析结果证明了混沌一支持向量机模型可以对网络时延的变化趋势进行较为准确的预测,和BP神经网络回归预测相比,混沌一支持向量机对时延的短期预测具有更高精度.     

基于支持向量机的网络舆情混沌预测

精确预测网络舆情发展趋势,对防止负面网络舆情对公共安全威胁具有重要意义,针对网络舆情变化的时变性、混沌性,提出一种基于支持向量机的网络舆情混沌预测模型（PHR-SVR）。证明了网络舆情具有混沌特性,根据Takens定理分别采用互信息法和G-P法确定延迟时间和嵌入维数重构网络舆情时间序列相空间;在相空间中,利用支持向量回归机（SVR）建立网络舆情预测模型,与其他预测模型进行对比实验。结果表明,相对于对比模型,PHR-SVR提高了网络舆情的预测精度和可靠性,预测结果具有一定实用价值。     

支持向量机在混沌系统预测中的应用

提出用支持向量机回归方法解决混沌系统预测问题。阐述了支持向量机回归算法,对四阶混沌时间序列进行预测,在此基础上结合城市交通的混沌性,对珠海市迎宾大道的交通流量进行预测。仿真实验表明,支持向量机泛化能力好、学习速度快,对混沌时间序列具有很好的预测效果,对城市交通流量预测也是切实可行的。     

改进粒子群算法优化支持向量机的短期负荷预测

针对支持向量回归机在预测建模中的参数选取问题,提出一种基于混沌自适应策略的粒子群优化支持向量回归机参数的方法.采用混沌映射算法和聚合度自适应判断策略,增强种群的全局寻优性能,提升粒子的多样性,从而避免种群过早收敛.充分考虑天气、节假日、居民消费等因素的影响,提出一种改进的支持向量回归机预测模型并与粒子群算法的支持向量回归机模型进行对比分析.分析结果表明,该预测模型可将预测的均方根误差降低约40％,绝对值误差降低约42％,相对误差降低约46％,仿真结果验证了所提方法优化了支持向量回归机参数,改善了预测效果.     

基于SVM的混沌时间序列分析

支持向量机是一种基于统计学习理论的新的机器学习方法,该方法已用于解决模式分类问题．本文将支持向量机（SVM）用于混沌时间序列分析,实验数据采用典型地Mackey-Glass混沌时间序列,先对混沌时间序列进行支持向量回归实验;然后采用局域法多步预报模型,利用支持向量机对混沌时间序列进行预测．仿真实验表明,利用支持向量机可以较准确地预测混沌时间序列的变化趋势．     

基于启发式算法的混沌支持向量机流量预测

针对现有混沌支持向量机回归模型存在流量预测效率低下的问题,利用差分进化(DE)算法、遗传算法和粒子群优化算法确定模型的径向基核函数系数、惩罚系数、不敏感系数等参数,在此基础上建立改进的混沌支持向量机回归模型进行流量预测。实例表明,相比其他启发式算法,DE算法能以较高的效率搜索到混沌支持向量机回归模型的最优参数,并且该模型具有较高的预测精度。     

基于混沌果蝇支持向量机回归的产品销售预测

针对制造业产品销售时序具有多维、小样本、非线性、多峰等特征,提出一种混沌果蝇支持向量机回归的产品销售预测方法。将混沌理论引入到果蝇优化算法中,从而提高果蝇种群多样性和搜索的遍历性,并在寻优过程中加入混沌扰动,避免搜索过程陷入局部最优,增加持续搜索可行解的能力。并用算例验证了混沌果蝇优化算法（Chaos Fruit Fly Optimization Algorithm,CFOA）的优化性能,通过优化支持向量机回归（Support Vector Regression,SVR）的参数构建销售预测模型,进行了汽车零部件销售预测。结果表明基于混沌果蝇支持向量机回归的产品销售预测方法是有效可行的。     

基于混沌粒子群优化SVR的网络流量预测

计算机网络流量预测对于网络流量的控制和调整,进而提高网络性能和服务质量起着重要的作用.当前传统计算机网络流量方法预测精度较低,仅为85%左右.针对网络流量的非线性和时变特性,难以准确实现网络流量评估,为了解决此问题,提出基于混沌粒子群优化SVR的网络流量预测方法.支持向量回归算法(SVR)是一种用于趋势预测的支持向量机模型,能找到全局最优解.然而,SVR参数的选择对回归模型优化起着决定性作用.采用混沌粒子群优化算法(CPSO)优化支持向量参数,通过建立混沌粒子群优化SVR的网络流量预测模型.仿真结果表明,混沌粒子群优化SVR网络流量预测模型能力强、效果好.     

基于混沌粒子群优化LS-SVM的发动机磨损状态监测研究

基于混沌PSO算法优化最小二乘支持向量机实现航空发动机磨损状态监测;通过小波包分解消除润滑油光谱数据的噪声,获取LS-SVM的训练与测试样本;针对最小二乘支持向量机解决大规模数据样本回归问题时所出现的训练时间长、收敛速度慢等缺点,提出了混沌PSO算法优化LS-SVM的模型参数;该方法不仅克服了传统PSO算法早熟、容易陷入局部最小值等缺点,同时显著提高了最小二乘支持向量机的预测能力;最后,将一般LS-SVM和GM(1,1)模型的预测结果与文中预测结果进行对比,该方法构建的模型对测试样本产生的预测误差仅为0.0441,验证了该方法在预测精度上具有明显优势。     

LS-SVM在混沌时间序列预测中的应用

支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题.文中将最小二乘支持向量机算法应用于混沌时间序列预测中,并同BP网络及RBF网络的预测结果进行了比较分析.仿真实验表明,该方法具有很好的泛化能力和一定的噪声容忍能力.     

基于RBF神经网络的非线性控制系统

针对时滞、非线性多变量耦合系统控制中串级控制存在滞后，并且PI控制参数初始设置困难，很多时候只能手动控制的缺陷，本文采用内模控制方隶．通过RBF神经网络训练获得内部模型，同时利用最小二乘模型降解，简化解耦矩阵的求取，实现了两输入两输出系统的解耦控制。仿真结果表明．该方案可以消除变量间的耦合，并且解决了时滞问题、降低过程超调量，使得控制系统更加平稳，改善了过程控制的品质。同时．当对象特性发生一定改变时．系统具备良好的鲁棒性能。     

网络控制系统的时延预估器及稳定性分析

针对网络控制系统中网络延时对系统的影响,分析了两种网络延时的特点,建立了网络时延预估模型,重点对从控制器到执行器的网络延时的不确定性进行了预估分析,进而将不确定性延时的网络控制系统转换为确定时延时,并且通过分析系统的时滞离散方程的矩阵特征值的特性,给出了离散系统方程的稳定性条件。最后通过数值例子验证了该方法的有效性。     

多变量时滞GM(1,??) 模型及其应用

针对具有时滞因果关系的小样本系统建模问题, 提出一种灰色多变量时滞GM(1,??) 模型及其求解方法; 考虑到相关变量累加序列变化量较大的情形下, 驱动项不能被视为灰常量的问题, 给出了时滞GM(1,??) 模型的一种派生模型. 在此基础上, 通过数值仿真和实例分析验证了新模型的有效性. 数值结果表明: 时滞GM(1,??) 模型能够较好地描述和预测含时滞特征的小样本数据系统的运行规律, 不考虑相关因素的时滞作用时, 时滞GM(1,??) 模型退化为经典的GM(1,??) 模型.

     

针对时滞系统的一般化内模控制方法

为了克服传统反馈控制中标称性能和鲁棒性能之间的矛盾, Zhou提出一般化内模控制方法(Generalized internal model control, GIMC). 然而在实际工业生产中, 控制对象一般都含有时滞环节. 本文针对含有时滞环节的真有理传递函数矩阵对象, 在时滞系统既约分解的基础上, 提出一种针对时滞系统的一般化内模控制方法, 使得一般化内模控制方法能够应用于时滞控制对象. 最后, 为了验证该方法的有效性, 将该控制结构应用于直流电机中, 取得了良好的控制效果.     

Modal matching in time-delay control systems

The problem of matching a linear time-delay system to a given time-delay model is considered and solved in state-space form. The system under control is assumed in its phase-variable form. A two-dimensional example is worked out to illustrate the solution method.     

Approximated modeling and minimal realization of transfer function matrices with multiple time delays

The modeling and minimal realization techniques for a specific multiple time-delay continuous-time transfer function matrix with a delay-free denominator and a multiple (integer/fractional) time-delay numerator matrix have been developed in the literature. However, this is not the case for a general multiple time-delay continuous-time transfer function matrix with multiple (integer/fractional) time delays in both the denominator and the numerator matrix. This paper presents a new approximated modeling and minimal realization technique for the general multiple time-delay transfer function matrices. According to the proposed technique, an approximated discrete-time state-space model and its corresponding discrete-time transfer function matrix are first determined, by utilizing the balanced realization and model reduction methods with the sampled unit-step response data of the afore-mentioned multiple time-delay (known/unknown) continuous-time systems. Then, the modified Z-transform method is applied to the obtained discrete-time transfer function matrix to find an equivalent specific multiple time-delay continuous-time transfer function matrix with multiple time delays in only the inputs and outputs, for which the existing control and design methodologies and minimal realization techniques can be effectively applied. Illustrative examples are given to demonstrate the effectiveness of the proposed method.     

针对大时滞过程下的改进内模控制方法研究

针对工业过程中较难控制的大滞后系统,提出了一种改进内模控制方法.该方法首先引入滞后时间削弱环节来降低滞后对系统的影响,然后在设定值之后增加导引过渡过程解决系统快速性与超调之间的矛盾,最后再基于内模控制的原理设计控制器.该方法解决了传统Smith预估控制等方法在被控对象模型预估不准确的情况下很难取得较好控制效果的问题,并...     

高精度多径时延估计

提出了一种无线信道多径时延估计模型,将时廷估计问题转换为频谱估计问题,再利用具有高频谱分辨力的多重信号分类(MUSIC)算法和root MUSIC算法实现对信道多径时延的超分辨率估计,分析了基于单次测量数据进行时延估计的可行性.仿真并测试了MUSIC算法和root MUSIC算法应用于单次测量数据的性能.仿真结果表明,...     

A hybrid time-delay prediction method for networked control system

This paper presents an Ethernet based hybrid method for predicting random time-delay in the networked control system.First,db3 wavelet is used to decompose and reconstruct time-delay sequence,and the approximation component and detail components of time-delay sequences are fgured out.Next,one step prediction of time-delay is obtained through echo state network(ESN)model and auto-regressive integrated moving average model(ARIMA)according to the diferent characteristics of approximate component and detail components.Then,the fnal predictive value of time-delay is obtained by summation.Meanwhile,the parameters of echo state network is optimized by genetic algorithm.The simulation results indicate that higher accuracy can be achieved through this prediction method.     

基于强化学习的移动传感器网络时延系统控制数学建模

为了提高移动传感器网络时延系统控制能力,提出基于强化学习的移动传感器网络时延系统控制模型,采用高阶近似微分方程构建移动传感器网络时延系统的控制目标函数,结合最大似然估计方法进行移动传感器网络的时延参数估计,采用强化学习方法进行移动传感器网络的收敛性控制和自适应调度,建立传感器网络时延系统控制的多维测度信息配准模型,在强化跟踪学习寻优模式下实现移动传感器网络时延系统的自适应控制。仿真结果表明,采用该方法进行移动传感器网络时延系统控制的自适应性较好,时延参数估计准确度较高,控制过程的鲁棒性较强。