降雨时间序列降噪及预测系统建模研究靠

以解决降雨混沌时序预测精度较低的问题为目的,基于相空间重构思想,应用混沌降雨时序奇异值分解技术对混沌时序的噪声进行了剥离。采用定性和定量的混沌特性判定方法,计算指出降雨时序具有明显的混沌特性。在此基础上构建了基于最小二乘支持向量机的降噪、预测一体化模型并进行了多步预测实验。结果表明降噪前后预测精度相差很大,证实了噪声是造成混沌预测方法预测精度较低的主要原因。通过与其他预测方法比较,验证了所建立的混沌预测模型能够捕捉到原混沌系统的动力学特征,预测误差较小,泛化能力较强,其预测效果较好。     

降雨时间序列降噪及预测系统建模研究

以解决降雨混沌时序预测精度较低的问题为目的，基于相空间重构思想，应用混沌降雨时序奇异值分解技术对混沌时序的噪声进行了剥离。采用定性和定量的混沌特性判定方法，计算指出降雨时序具有明显的混沌特性。在此基础上构建了基于最小二乘支持向量机的降噪、预测一体化模型并进行了多步预测实验。结果表明降噪前后预测精度相差很大，证实了噪声是造成混沌预测方法预测精度较低的主要原因。通过与其他预测方法比较，验证了所建立的混沌预测模型能够捕捉到原混沌系统的动力学特征，预测误差较小，泛化能力较强，其预测效果较好。     

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.     

混沌时序建模的理论在电力负荷预测中的应用

利用一种简洁实用的方法计算电力负荷最大Lyapunov指数,通过计算证明电力负荷数据存在混沌的特性.通过对负荷时序的相空间进行重构,对河北地区电力负荷的日负荷数据进行了分析,并根据混沌时序模型对其进行预测,结果表明预测精度小于3%,满足实际要求.     

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。     

基于回声状态网络的飞机混沌时间序列预测模型

准确检测飞机即将发生的故障或预测其状态的变化趋势,对于实现飞行安全具有重要意义。文章针对传统基于回声状态网络在故障预测中的不足,构建了基于小波降噪的回声状态网络预测模型。该模型保留了非线性时间序列回声状态网络预测的优势,并采取小波变换对混沌时间序列进行降噪预处理,有效提高了含噪混沌时间序列的预测精度。论文通过对某飞机发动机滑油散热器温度时间序列数据序列进行预测分析,表明文中模型具有较好的预测精度,验证了模型的有效性。     

基于混沌神经网络的旋转机械状态趋势预测

旋转机械的特征信号常具有非线性和非平稳性,传统的平稳信号分析方法对这类信号不适用,将混沌理论引入旋转机械的故障预测领域,详述了混沌预测方法和混沌神经网络的预测原理,并以工业现场大型烟气轮机为研究对象,完成了基于混沌神经网络的预测,与灰色预测方法进行了比较,实验结果表明基于混沌神经网络的预测精度更高,更有效.     

基于BP神经网络的汽油机进气流量预测研究

为提高汽油机空燃比控制系统的实时性及进气流量计量的精确度,提出了一种汽油机进气流量混沌时序BP神经网络预测模型.利用相空间重构技术对进气流量时间序列进行重构,恢复系统原有的混沌性,再利用BP网络对重构后的数据进行训练及预测,达到提高进气流量预测精确度的目的,进而提高汽油机空燃比控制系统的实时性及精确度.试验仿真结果表明,混沌时序BP神经网络预测模型具有更高的预测精度,为精确及时地预测汽油机进气流量提供了一种全新的方法.     

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．     

基于新息的多参量混沌时间序列LS-SVR加权预测

复杂系统常常依赖于通过观测所获得的多参量混沌时间序列进行预测分析.论文借鉴单参量混沌时间序列预测的思路,考虑全部相关参量混沌时间序列中的信息,以实现多参量混沌时间序列的相空间重构.同时,基于新息优先原理和支持向量机理论,结合混沌时间序列发展变化的规律,提出分别利用相空间重构后长期多样本和近期少样本构建2个自适应最小二乘支持向量回归预测模型进行加权预测的观点,并给出了以预测均方根误差最小为目标函数的模型参数混沌优化方法.论文以某飞机转子部件磨损故障的3个相关参量的仿真混沌时间序列为例进行了预测实验,结果表明文中方法有较好的预测精度,是一种有效的预测方法.     

利用最大Lyapunov指数检验混沌时序降噪效果

结合混沌时间序列的几何结构,提出了用最大Lyapunov指数特征量作为判别去噪效果好坏的指标,检验奇异谱降噪算法对混沌时间序列的有效性.通过对几个经典混沌系统的分析,结果表明奇异谱降噪算法对某些离散混沌系统是失效的,而对于一些连续混沌系统是有效的.     

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。     

一种基于混沌吸引子的降雨降尺度分析

通过分析大时间尺度的年降雨量分解到小时间尺度的月降雨量的分解系数的混沌特征量,论证了分解系数具有混沌特性.在此基础上,对分解系数建立预测模型并给出具体算法.然后根据预测结果进行月降雨量的降尺度计算.实例研究表明,利用混沌相空间模型对降雨进行降尺度分析是一种有效的方法.     

基于LS-SVR的混沌时间序列多参数自适应预测

故障预测对保障复杂设备的安全可靠工作具有重要意义,但往往难以建立起准确的解析形式的数学模型,因此常常依赖于通过观测所获得的混沌时间序列进行预测分析.为了提高预测的有效性和准确性,基于支持向量机预测理论,提出考虑全部相关多参数混沌时间序列中的信息,进行多参数相空间重构产生训练样本,并建立了多参数自适应最小二乘支持向量回归预测模型.以某设备三个相关参数的仿真混沌时间序列为例进行了预测实验,结果表明该方法有较好的预测精度,是一种有效的预测方法.     

相空间导数重构法的探讨

探讨了导数重构法在实际应用中存在的问题：重构相空间的坐标间尺度差异太大及由时间序列求导时产生的计算误差太强。这两个问题重构相空间受到强烈的噪声干扰,而无法用来表征系统的混沌特征。提出针对性的改进措施：一是采取坐标归一化措施,二是采用曲线拟合对时间序列求导。实际的重构证明,改进导数重构法有效地克服了导数重构法的实际应用困难,能有效地用来揭示系统的混沌特征。     

Mine water discharge prediction based on least squares support vector machines

In order to realize the prediction of a chaotic time series of mine water discharge,an approach incorporating phase space reconstruction theory and statistical learning theory was studied.A differential entropy ratio method was used to determine embedding parameters to reconstruct the phase space.We used a multi-layer adaptive best-fitting parameter search algorithm to estimate the LS-SVM optimal parameters which were adopted to construct a LS-SVM prediction model for the mine water chaotic time series.The results show that the simulation performance of a single-step prediction based on this LS-SVM model is markedly superior to that based on a RBF model.The multi-step prediction results based on LS-SVM model can reflect the development of mine water discharge and can be used for short-term forecasting of mine water discharge.     

时滞反馈混沌同步及其抗噪优越性

噪声抑制是混沌同步通信急于要解决的关键问题之一。混沌系统的反馈同步一般采用非时滞反馈方式,该文提出了混沌系统时滞反馈同步抑噪的方法,并以Lorenz混沌系统为例,证明了驱动系统和响应系统均为Lorenz混沌系统时,采用时滞反馈控制,驱动系统和响应系统同步稳定的充分条件。文中将时滞反馈控制同步用于噪声抑制,表明效果比一般同步方式好很多。通过模拟存在信道噪声的情况下,采用Lorenz系统用参数调制进行信号传输,证实了时滞反馈同步的抗噪优越性。     

基于暂态混沌神经网络的低阶混沌时间序列预测

暂态混沌神经网络是一种基于Hopfield网络提出的混沌神经网络,具有收敛速度快、不易陷入局部极小等优点．许多低阶的混沌系统都可以展成二阶volterra级数,因此提出一种基于暂态混沌神经网络和volterra级数的低阶混沌时间序列预测方法．该方法利用暂态混沌神经网络计算系统的volterra级数系数,确定系统的动力学模型,从而实现混沌时间序列预测．利用Logistic模型对该方法进行测试,结果表明,预测相对误差小于0．5％,预测可达到较高的速度和精度．     

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.