流域年径流时序分析的混沌网络模型研究

以混沌理论为基础,对三峡寸滩站月平均径流量时序曲线进行了相空间重构,确定了合理的饱和关联维数.与神经网络结合,用多维相空间建立了网络学习样本和教师值,构造了混沌神经网络分析模型.结果表明:流域年径流序列具有混沌性特征;混沌网络模型预测精度要高于标准BP网络模型,预测结果的绝对误差和相对误差均小于BP网络模型.     

相空间神经网络耦合模型在水文预测中的应用

混沌相空间理论和神经网络用于径流系统的中长期预测,较传统途径可以更多地利用时间序列中包含的丰富信息,更好地揭示水文动力学系统的规律.针对混沌时间序列,结合混沌分析理论和BP神经网络,建立了相空间重构和BP神经网络耦合预测模型.经实例研究初步表明,用神经网络拟合相空间相点演化的非线性关系是可行的;相空间神经网络耦合预测模型在水文中长期预报中的应用是可行的、合理的,有较好的预报精度和应用价值.     

论混沌理论与水文预测问题

简述了混沌理论的基本概念，结合水文预测问题介绍了混沌理论应用的基本方法和步骤。在水文预测中，应用混沌分析方法需解决相空间重构、时间序列的混沌性识别和混沌时间序列预测等关键技术。     

日含沙量时间序列的混沌识别与预测研究

运用关联指数饱和法和改进的最大Lyapunov指数方法对流域产沙系统进行了混沌识别,结果表明日含量序列具有混沌特性.并以重构相空间的饱和嵌入维数作为神经网络输入层节点数,将混沌理论和神经网络二者有机结合,建立了混沌神经网络模型.将该模型用于黄河上游头道拐水文站汛期日含沙量预测,结果表明,该模型应用在汛期日含沙量预测中具有较高的精度.     

基于相空间重构理论的神经网络在大坝渗流预测中的应用

简述了混沌预测方法和原理,提出运用神经网络来模拟混沌系统的动力学模型。通过实例重构出大坝渗流观测数据相空间,将其作为神经网络的输入,对渗流观测数据进行了预测。计算结果表明,基于相空间重构理论的神经网络模型具有一定的准确性和有效性,对于处理非线性问题是一种有益的探索。     

珠江外源污染时序混沌特性

利用混沌理论对珠江外源污染进行分析,得到外源污染的混沌相空间,在此基础上通过定义相空间中心点、偏离度概念,获得量化的外源污染混沌相空间点的分布范围,为河流治理规划提供依据.     

加权一阶局域法在边坡位移预测中的应用研究

目前,常用的变形预测分析方法有[1]:确定函数法、统计回归分析法、混沌时间序列分析法等.其中混沌时间序列分析法可以在未直接考虑引起位移变形的有关随机因素的条件下,对历史观测数据进行重构相空间处理,建模比较简单、计算量小、预测精度较高. 研究建立了加权一阶局域法多步预报模型,运用Matlab6.5编制了计算程序,并利用预报模型进行了典型混沌系统的预测和水利工程高边坡位移预测,取得了较好的预测效果.     

灌区降水量预测的混沌神经网络模型及应用

针对降水时间序列的混沌特性,综合运用混沌理论与神经网络方法的基本原理,通过相空间重构的方法建立了灌区降水量预测的混沌神经网络模型,并给出了计算方法和步骤,从新的角度研究灌区降水预测问题。并将该模型用于濮阳灌区降水量预测,结果表明该模型对降水量的预测准确度较高。     

相空间局域预测法在滑坡位移预测中的应用

根据滑坡系统的混沌特性,将适合于混沌时序预测的相空间局域近似法应用到滑坡位移预测中.针对零阶局域预测法利用信息效率不高的缺点,运用模糊数学中构造隶属函数的方法来选取预测相点的近邻点,减小了选取近邻点这一关键问题的人为随意性,而且预测结果也证明了这种方法的合理性.     

混沌-数据挖掘模型在大坝安全预测中的应用

简述了数据挖掘理论和相空间重构理论的原理和算法,并通过实例讨论了其在大坝裂缝开度预测中的应用。将混沌理论和数据挖掘模型相结合,对揭示大坝裂缝复杂的非线性结构是很有效的。经实例研究,并与用单一的混沌相空间重构理论模型预测的计算结果相对比,表明该模型应用在大坝裂缝开度预测中是可行的、合理的,有很好的预报精度和应用价值。     

基于混沌理论的电力负荷预测

针对电力系统负荷的复杂性及非线性．提出了结合混沌理论的思想．充分利用数据信息。在重构电力负荷相空间的基础上对负荷进行预测．并综合了电力负荷混沌特征量的计算及负荷时问序列的混沌预测方法。以非线性为特征的混沌理论的应用。必将开辟电力系统负荷预测的新途径。     

参考作物腾发量的混沌性识别及预测

本文应用饱和关联维数法对海河流域张北站从1966~2005年50年的参考作物腾发量序列进行混沌性识别,结果表明该序列存在一定的混沌特性。同时,运用自相关函数法和饱和关联维数法确定了该序列重构相空间的嵌入维数和延迟时间,并在此基础上进行了相空间的重构。建立了混沌局域法预测模型对相空间的演化进行了计算,实现了参考作物腾发量的预测,并与时间序列自回归(AR)模型和基于气象资料的BP神经网络模型预测结果进行了比较。结果表明,预测效果比BP网络模型稍差,但明显优于AR模型。这为解决缺乏气象资料地区参考作物腾发量预测问题提供了新的思路。     

支持向量机的混沌序列预测模型及在径流中应用

混沌和支持向量机理论为研究复杂多变的非线性水文时间序列开辟了新的途径。给出了应用支持向量机回归原理的混沌时间序列非线性的预测建模的思路、特点及关键参数的选取。根据重构相空间理论对月径流过程进行相空间的重构,探讨了支持向量机混沌时间序列非线性预测模型在月径流预测中的应用,在支持向量机建模过程中引入了经向基核函数,简化了非线性问题的求解过程。实例表明,该模型能较好地处理复杂的水文数据序列,且有较好的预测精度。     

基于Lyapunov指数的混凝土体积变形混沌预测

根据混凝土工程的自生体积变形观测时间序列,基于相空间重构,给出了混凝土自生体积变形时序线性和非线性两种混沌预报模式,据此,以实际工程为例建立了混凝土工程变形观测数据的混沌预测方法.首先,采用插值方法对掺MgO的碾压混凝土收敛变形观测序列进行了预处理,以获得等间隔变形序列;然后,对该变形序列,利用上述混沌分析方法,获得的最大Lyapunov特征指数为0.02;分别采用近邻等距法和最大Lyapunov指数预报模式,对变形序列进行了预测.与观测变形相比较,变形预测结果比较理想.     

洪水变化的混沌特性和相空间预测

混沌理论不仅变认识洪水变化规律提供了新的观点，而且为洪水预测提供了新的途径，本文以金沙江屏山站洪水变化的分析为例，论述了洪水的混沌特性和相空间预测法。     

基于混沌时间序列的地下水动态预报

以重构相空间理论为基础,介绍了混沌时间序列的预测方法,并借助G-P算法、C-C方法和小数据量方法从武威盆地地下水位埋深一维时间序列中提取Lyapunov指数,计算结果表明此时间序列具有混沌特性,在此基础上建立了混沌时间序列的一阶加权局域预测模型,对武威盆地的地下水位埋深进行预测。结果表明,该模型预测精度较高,可有效的对地下水埋深的动态进行预报。     

基于混沌理论的混凝土裂缝开合度改进混合预测模型

针对传统混凝土裂缝开合度统计模型对温度非线性因素和残差特性考虑不足导致预测效果不佳的问题,首先考虑温度非线性因素,建立裂缝开合度改进统计模型,进而借助混沌理论与相空间重构理论对改进统计模型的残差时间序列进行混沌特性分析与相空间重构,采用遗传算法优化的BP人工神经网络对残差进行预测,最后集成获得改进混合预测模型对混凝土裂缝开合度进行预测。结合某泄水闸检修门库裂缝实测开合度,对比分析了传统统计模型、改进统计模型和改进混合预测模型的预测效果。结果表明：改进混合预测模型的预测误差更小,能有效改善裂缝开合度的预测效果。     

月径流序列混沌特性识别及预测

以混沌理论和相空间重构原理为基础,分析计算大峪水文站1955-2006年月径流序列的最佳延迟时间和嵌入维数;运用最大Lyapunov指数λ10证实大峪月径流序列具有混沌特性,从而建立了基于混沌特性的BP神经网络预测模型。仿真及预测结果表明:该模型预测精度较高,可用于大峪月径流预测。     

基于混沌时间序列的大坝变形短期预测

将混沌时间序列预测理论应用到大坝变形预测中，根据非线性大坝变形时间序列，运用相空间重构理论，建立了加权一阶局域法、基于最大Lyapunov指数法大坝预测模型，对混沌的大坝变形数据短期预测模型进行了研究，对比分析了各自的特点，并结合实例完成了对大坝变形的预测。计算分析表明，该模型预测误差较小，与传统的自回归模型预测结果相比，基于混沌时间序列的预测方法在大坝变形的短期预测中具有更高的精度。     

基于Lyapunov指数的观测数据短期预测

本文介绍大坝观测数据的Lyapunov指数预报分析方法，应用混沌方法对大坝时间观测序列数据进行处理，并将这种混沌特性应用于大坝变形预测，根据大坝变形的时间观测数据及计算所得的Lyapunov指数规律，就可计算得到较好的预测结果；并对混沌时间序列相空间重构中的延迟时间间隔和嵌入维数的选取方法进行了讨论；结合实例对Lyapunov指数预测方法进行计算验证。