基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术,并借助G-P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取 Lyapunov指数,结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟 和最大Lyapunov指数,将局域加权一阶多步预测模型应用于地下水位预测。预测表明,此模型可有效应用于地 下水位时间序列的多步预测。     

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。     

移动机器人导航中的混沌识别

针对在移动机器人中导航数据信息的混沌现象将会影响导航质量且威胁机器人安全的问题,采用改进的C-C法对移动机器人导航数据信息的时间序列进行相空间重构,用拓展小数据量法计算系统的最大Lyapunov指数以识别混沌.介绍了改进C-C法和拓展小数据量法的改进算法,通过典型的Lorenz混沌系统,验证了这一方法的可行性和有效性对实测的移动机器人导航数据信息进行混沌识别并与传统方法进行比较,结果表明：由改进C-C法重构的相空间更能呈现原系统的特性;由拓展小数据量法计算的最大Lyapunov指数比较稳定,更接近真实值.     

基于负荷混沌特性的改进Lyapunov指数预测法

针对目前常用负荷预测方法多依赖主观经验,为了提高预测精度,从相空间重构理论出发。结合负荷序列的混沌特性,提出了一种计算最大Lyapunov指数的改进算法。改进算法中引入一种取舍规则,提高了最大Lyapunov指数提取精度。利用改进算法建立实际电力月负荷预测模型,实际应用结果表明该模型具有一定实用价值。     

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.     

基于一维时间序列的无刷直流电动机混沌引子重构

基于相空间重构原理，针对无刷直流电动机的混沌模型，运用一维时间序列在高维情形下对低维混沌吸引子进行重构，重构后的方程具有和原动力方程相同的动力学特性，可以用于判断系统目前的动力学状态，并通过基于混沌优化算法的改进Wolf方法对重构前后方程的Lyapunov指数进行比较，证明此种重构方法的正确性和实用性.结果表明：采用的重构方法是有效的，与前人的方法相比，不用计算其关联维数和最佳时间延迟，具有简单、快速的特点，为进一步研究混沌预测和混沌控制提供了基础条件.     

基于混沌时间序列的Elman神经网络工业用电预测

针对电力负荷数据在多重因素相互影响下呈现非线性特性甚至是混沌性的问题,采用基于相空间重构的Elman神经网络方法进行全社会工业月用电量预测.利用小数据量法计算最大Lyapunov指数,判别负荷时间序列的混沌性,进而确定最优延迟时间及最佳嵌入维数进行相空间重构,以此确定Elman神经网络的拓扑结构,并将实测数据带入模型进行训练.通过对实测数据进行预测仿真,表明该模型达到了较好的预测效果,验证了提出的时间序列相空间重构与Elman神经网络结合的正确性与有效性.     

硅微陀螺漂移混沌特性分析及预测

硅微陀螺漂移具有混沌特性,可以通过相空间重构对漂移进行预测.计算出硅微陀螺漂移序列的Lyapunov指数为0.000529,估计出随机漂移可预测的时间尺度为1890,求出相空间重构所需的延迟时间、关联维数和嵌入维数分别为57,7.042和15.以相空间重构后的漂移序列为输入变量,提出利用RBF神经网络和陀螺阵列技术,对...     

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.     

方向字典子图的初始邻域嵌入重构

邻域嵌入超分辨率重构算法在空间邻域选取过程中,细节特征易被大幅度特征分量淹没,为此,提出了基于方向字典子图的初始邻域嵌入重构算法.对输入图像及邻域利用方向字典进行稀疏分解,从大、小幅值表示系数中分别重构大、小幅度特征子图,保护邻域计算中的小幅度特征;同时,为降低多子图重构的运算量,通过随机森林机制,将输入图像在分类树森林中对应叶子节点图像子库的并集作为初始邻域,减小实际参与运算的图像库大小.实验结果表明,相对于邻域嵌入超分辨率算法,基于方向字典子图的初始邻域嵌入重构的峰值信噪比值平均提升了1.0959 dB,有效改善了重构效果;重构时间仅为邻域嵌入超分辨率的13.3%,降低了重构复杂度.     

Logistic映射的有限字长研究

借助计算机对混沌序列进行数值分析必须考虑计算机的存储字长有限这个条件。针对Logistic映射,研究了计算机字长对其混沌特性的影响,由于计算机的字长效应,混沌序列经过短暂的过渡态后演化为周期序列,使用小数据量法计算了处于过渡态和周期态的有限字长混沌序列的最大Lyapunov指数。通过数值计算结果表明:有限字长混沌序列的周期态和过渡态都具有正的最大Lyapunov指数,且小数据量法对有限字长效应是鲁棒的。最后,给出了一个加长有限字长混沌序列演化周期和过渡期的耦合方法。     

Lyapunov指数混沌特性判定研究

探讨了Lyapunov指数混沌特性判据原理，分析了时间序列Lyapunov指数的计算过程，通过计算我国上证综合指数收益率时间序列的Lyapunov指数谱系，分析了我国资本市场的混沌特性。     

煤矿井筒变形混沌特征分析

基于井筒变形实际监测沉降数据,提出了利用混沌理论相空间重构技术研究井筒变形特征的新思路。研究了井筒变形系统的相空间重构、关联维数的确定、Lyapunov指数的计算、稳定性分析等问题。试验结果表明：井筒变形系统是一个混沌,井筒变形受到多因素影响。得出最大Lyapunov指数可以作为变形体内部不同部分动态变形状态的指标。这一有工程意义的结论,可以为井筒稳定性判定提供支持。     

刀具声发射信号混沌特征提取及趋势分析

旨在建立一种基于多混沌特征演化分析的刀具磨损状态监测方法,通过计算刀具声发射信号的混沌特性参数分析其磨损趋势。建立首先基于混沌理论分析和描述刀具不同磨损阶段声发射信号的混沌特性,包括:定性描述,即重构相空间的奇异吸引子轨迹和庞加莱截面;定量描述,计算不同时间段声发射信号的关联维数、最大Lyapunov指数等。其次,采用最小二乘回归方法对所计算的混沌参数进行趋势分析。结果表明,声发射信号具有混沌特性,而且关联维数和最大Lyapunov指数演化趋势与刀具的磨损状态具有一定的关联,从而为刀具磨损状态的在线监测和预测提供了新思路。     

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。     

基于切比雪夫扩频序列的测量矩阵构造算法(研究生论坛)

针对混沌系统以间隔采样序列构造压缩感知测量矩阵而造成的计算和存储资源的浪费,本文提出了一种基于切比雪夫－贝努利序列构造测量矩阵的算法。提出了通过符号函数将切比雪夫混沌系统产生的混沌序列映射为其扩频序列,并证明了其扩频序列服从贝努利分布特性,进一步提出由其扩频序列构造压缩感知测量矩阵的方法。实验仿真表明,该测量矩阵与随机矩阵、混沌矩阵相比具有同样的重构性能,对于红外图像的重构,本方法具有更好的重构性能。     

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.