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。     

基于小波和神经网络的供热负荷预测

目的研究供热系统热负荷预测方法,使供热量及时跟随用户需热量进行控制.方法通过分析供热负荷特性及其变化规律,用小波包变换对热负荷序列进行分解,再结合Elman神经网络分别对各序列建立模型,进行单步预测,最后重构各序列,得出热负荷预测序列.结果仿真试验表明,与未采用小波分析的BP、Elman神经网络相比,该方法预测精度较高,跟踪能力强.结论基于小波和神经网络的供热负荷预测方法能较好地跟踪预测用热量,适合于短期供热负荷预测的应用.     

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.     

基于小波包变换的多载波CDMA系统

从2带滤波器组的完全重构条件入手,研究了基于小波包变换的多载波调制,给出了快速算法,并构建了基于小波包变换的多载波CDMA系统,对系统性能进行了模拟仿真。结果表明,当选择性能优良的小波包时,基于小波包变换的多载波CDMA系统性能要优于传统的基于OFDM的多载波CDMA系统。     

基于小波与混沌理论的股市多步预测研究

提出一种基于小波与混沌理论对股市进行多步预测的方法。并依据混沌理论给出进行股市多步预测的最大时间尺度。对于其它复杂系统的多步预测同样具有指导意义。     

基于小波变换和复合混沌系统的数字图像水印算法

提出了一种基于小波变换和复合混沌系统的数字图像水印算法.在水印嵌入过程中,算法首先对原始图像进行离散小波变换,提取其低频部分作为嵌入区域;在对水印进行加密时,不是使用以往单混沌序列,而是采用复合混沌系统产生的混沌序列;再将加密后的水印进行小波变换并提取其低频部分;最后将加密水印的低频部分嵌入到原始图像的低频部分中.通过水印相关系数NC和峰值信噪比PSNR评价水印算法性能.实验结果表明,该算法可以抵抗JPEG压缩、噪声、滤波等攻击,图像水印效果很好.     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.     

某混沌实时判定系统中特征提取的原因分析

研究混沌判定方法,对进行混沌分析与控制具有重要意义。基于信息论、控制论、数据挖掘的一些基本原理和方法,描述了某混沌实时判定系统的结构与功能模块。为满足该判定系统原理及功能的要求,需要进行时间序列的特征提取。以Logistic系统为例进行了实验研究,应用小波包分析、小波包能量进行了特征提取,分析了进行特征提取的原因与必要性。实验结果表明,特征提取模块是整个判定系统的关键模块,小波包能量可以作为该系统中特征提取的方法。     

小波熵及小波变换的短期负荷预报

基于小波分解理论,借助db8小波函数,对历史数据进行尺度为3的静态离散小波变换,并将小波熵引入到电力负荷预报工作中,用于处理电力负荷的历史数据.选取一定小波熵阈值,识别出历史数据中的非正常数据,可以提高负荷预测的准确性.对于各个分解尺度的小波系数分别进行预测,通过小波重构,得到预测值.预测结果表明,这种方法具较高预测精确度及适应性.     

交通冲突量的混沌预测

首先从混沌相空间重构着手简单介绍了混沌理论的基础,然后研究了混沌预测方法及其应用在交通冲突量预测中的原理和过程,最后利用混沌预测方法对具体的交叉口交通冲突量的预测实例进行了研究,并通过灰色误差检验方法对预测方法和结果进行了评价,表明交通冲突量混沌预测方法是交通冲突量预测的有效方法。     

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.     

基于混沌蚁群算法的电力短期负荷预测

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先利用混沌理论将杂乱无章的历史数据进行相空间重构,找出其中的潜在规律,并粗选预测参考点;然后利用蚁群优化算法,考虑距离因素和相点演化的相关性因素,对粗选的预测参考点作进一步精选,提高其质量;最后采用GM（1,1）灰色模型得到预测日的负荷数据。实际算例验证了提出的方法具有较好的预测精度。     

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.     

基于波浪理论和聚类小波包的股价波动预测

将波浪理论应用于价格、成交量特征样本序列选取,提出基于小波包能量值聚类特征提取与遗传神经网络相结合的股价预测模型．该模型采用小波包系数单支重构能量值空间分布表征价格波动本质,对能量点进行聚类以降低特征向量维数,将遗传算法与BP网络优势互补用于股价预测．对沪市股票上海汽车(600104)等进行的实证研究结果表明,该模型具有收敛速度快和预测精确度高的特点．     

基于多尺度小波分解和时间序列法的风电场风速预测

针对目前风电场风速预测精度较低的问题,提出一种基于多尺度小波分解和时间序列法的混合风速预测模型,通过小波分解将风速非平稳时间序列分解为不同尺度坐标上的平稳时间序列,然后把分解后的各层序列重构回原尺度,再应用自回归滑动平均模型对平稳时间序列进行预测,最后通过叠加合成得出原始风速序列的预测值。同时在验证时间序列模型有效性与模型选优过程中,采用基于贝叶斯理论的SBC定阶准则,改善了以往模型定阶准则的收敛特性。在算例分析中分别利用本文方法和常规预测法对实际风速分布特性进行预测分析,结果表明,本文方法对不平稳风速序列的预测具有更高的预测精度和更强的适应性。