城市燃气负荷的混沌特性与预测

采用混沌理论分析方法,对燃气负荷时间序列进行了相空间重构,通过计算关联维数和最大李亚普诺夫指数判定燃气负荷具有混沌的性质.在此基础上,分别采用基于混沌理论的加权一阶局域法、最大李亚普诺夫指数法和贝叶斯正则化神经网络模型对城市燃气日负荷进行了预测.实例预测结果表明,混沌时间序列分析方法可应用于燃气负荷预测研究,特别是结合了混沌理论、神经网络与贝叶斯正则化方法各自优点的神经网络模型取得了较好的预测效果.     

混沌时间序列可预报时间长度分析

摘要：以经典混沌序列——Henon映射序列为例,对不同长度、不同噪声水平的序列进行了预报试验．结果表明：(a)纯净序列,序列越长,预报精度越高,同时预报精度衰减速度随之减慢,并且,当序列足够长时,即使较长预报步长的多步预报,仍可取得相当高的预报精度;(b)含噪声序列,其预报精度随步长的增加迅速地呈指数衰减,并且,序列长度基本上不会对预报时间长度产生影响,但噪声水平对可预报时间长度有一定影响,噪声水平越高,可预报时间长度越短．因此,不明确可预报的标准、不考虑序列长度、噪声水平等因素的影响而简单地以最大Lyapunov指数的倒数定义最大可预报时间长度,是不可取的．同样,根据最大Lyapunov指数推断水文过程的可预报时间长度也是不合适的．     

基于混沌理论的局域网流量预测

局域网业务流中广泛存在自相似为特征的现象,并且自相似现象与混沌现象间存在紧密联系.通过采用局域网流量对应的时间序列分析的方法进行研究,基于相空间重构思想,通过C-C算法计算嵌入维和延迟时间;利用小数据量法计算局域网流量时间序列的最大Lyapunov指数来判断其混沌特性;针对基于最大Lyapunov指数的预测方法中只考虑中心点的最邻近点对预测的决定性作用,而忽略了其邻近点邻域内其他各点对预测结果的影响的特点,提出了基于最大Lyapunov指数的加权邻域预测法;最后通过实测局域网流量预测验证方法的有效性.      

基于相空间重构的Internet业务流量非线性动力学分析

基于相空间重构的概念,即通过测量函数获得的L维时间序列来研究动力系统的动力学行为的方法,研究了TCP-Reno在RED和DropTail机制下的拥塞窗口变化特性,以及TCP和UDP共享链路时的流量特性.利用相空间重构将单一标量时间序列重构为高维相空间,从而进一步研究了高维相空间的混沌等特性.分析结果表明:在一定的实验条件下,拥塞窗口变化值的关联维数为分数,最大Lyapunov指数为正,高维相空间具有混沌特性且其Hurst参数接近于1,此时的空间同时具有严格的二阶自相似性;流量值的关联维数为分数,最大Lyapunov指数为正,该空间亦具有混沌特性.     

基于最大 Lyapunov 指数的改进预测模型及其在城市用水量短期预测中的应用

参照计算Lyapunov指数的Wolf方法,考虑预测中心点与邻近点和上一个演化点的夹角,对混沌理论基于最大Lyapunov指数的预测方法进行了改进.通过对城市用水量短期预测的实例研究,将改进算法与传统算法进行比较.结果表明,与传统算法相比,改进算法的预测精度在整个预测周期内提高了10.2%,在最大可预测时间尺度内提高了1.1%.     

基于混沌时间序列法的瓦斯涌出量预测

利用相空间重构技术,并借助C-C方法和小数据量法从一维瓦斯涌出量时间序列中提取最大Lyapunov指数。结果表明：最大Lyapunov为0.28126的瓦斯浓度时间序列具有混沌特性,且在短期内,预测结果与实际情况符合较好。     

船舶电力推进系统电力负荷混沌特性分析及预测

为实现船舶电力推进系统功耗的最优控制,提高船舶运行的经济性,建立了基于正则化的电力负荷混沌局域预测模型.运用相空间重构理论对船舶电力推进系统电力负荷进行单变量时间序列相空间重构,计算吸引子的Lyapunov指数,验证船舶电力推进系统电力负荷具有混沌特性,进而构建更为精准的由船舶电力负荷及其影响因素构成的多变量时间序列相空间.实验结果表明,该预测模型是有效的,且具有较高的预测精度.     

基于最大Lyapunov指数的公路沉降预测

根据混沌理论具有分析非线性动态系统混沌特性的特点,对公路路基沉降量相关时间序列进行了分析和研究.在相空间重构的基础上,利用C-C方法求嵌入时延与嵌入窗、G-P方法求嵌入维数;应用小数据量法计算公路沉降量相关时间序列的最大Lyapunov指数,并进行混沌特性分析,结果显示累积沉降量符合混沌特性.最后对短期沉降量进行了预测.     

办公建筑运行能耗的混沌时间序列复合预测

针对办公建筑已有的能耗预测方法中未能考虑到能耗数据的混沌变化特性,提出了一种基于混沌时间序列的办公建筑运行能耗预测方法.对研究对象的时间序列进行相空间重构,判断其具备混沌特性,建立混沌理论和支持向量回归的组合模型进行训练,采用Markov链消除组合模型由于参数传递产生的累积误差,得到最终预测结果.为了验证算法的有效性,以西安某办公建筑的能耗监测数据为例进行实例分析,并与非线性自回归神经网络、支持向量回归等其他预测方法进行对比.实验结果表明,经过Markov修正后的混沌时间序列组合模型预测精度显著提高,预测效果优于其他方法,且更符合办公建筑能耗的变化规律,为节能优化提供有效的数据支撑.     

高斯激励混沌神经元系统及其应用

突破以往混沌神经元模型以Sigmoid函数作为激励函数的过程,构建了由高斯函数独自作为激励函数的混沌神经元模型,分析了它的混沌动力学特性;撤销模拟退火策略后,通过对时间序列的重要指标,如功率谱及最大Lyapunov指数的分析,证实高斯激励的神经元动力系统能够保持永久的混沌搜索状态;利用该系统对灰度图像进行加密,阐述了其原理及算法,通过对加密前后直方图的考查,说明了该混沌加密算法具有较强的抗统计分析能力.     

基于Delaunay三角剖分的最大Lyapunov指数算法研究

针对时间序列最大Lyapunov指数计算速度慢的缺陷,研究了小数据量算法,提出了基于Delaunay三角剖分的最大Lyapunov指数的计算方法.利用Delaunay三角剖分方法解决了邻点搜索速度慢的问题.详细地介绍了算法步骤,分析了算法的运算量,并应用于几种离散映射.仿真试验表明:该方法较稳定、可靠,同时对相空间重构中的嵌入维数不敏感.     

水平管中气固两相流的混沌特征分析

对水平管密相气力输送系统的混沌动力学行为进行了分析,对煤粉浓度信号时间序列的最大Lyapunov指数和关联维数进行了计算。结果表明,系统的最大Lyapunov指数均大于零,这充分说明煤粉在水平管中的密相气力输送存在混沌特征。从密相移动床流区到沉积层流区,混沌吸引子由大变小,关联维数从1．5359减小到1．0764。说明从密相移动床流区到沉积层流区,流体系统运动的混沌程度逐渐减弱。     

基于混沌理论的往复式压缩机故障诊断

实测某往复压缩机气缸在正常、活塞体松动及拉缸工况下的振动信号,计算信号的关联维数、Kolmogorov熵及最大Lyapunov指数,并证明信号具有非线性。用奇异值分解(SVD)降噪法对信号进行降噪,通过奇异熵增量曲线选择降噪阶次,用互信息法求最佳延时,并用假近邻域法求最佳嵌入维数,同时用G-P算法、小数据量法求出关联维数、Kolmogorov熵及最大Lyapunov指数。计算结果表明,3种工况下的往复压缩机气缸振动信号均为非线性混沌信号,故障越严重,信号表现出的混沌特性越明显,可依据混沌指标对往复压缩机气缸的状态进行监测。     

基于最大Lyapunov指数的市场出清电价预测

应用相空间重构和最大Lyapunov指数的计算方法对市场出清电价序列特性进行判定.依据最大Lyapunov指数预报模式,构建基于一种新的出清电价预测模型.对某电力市场1999-01-01-1999-08-31的电价进行混沌时间序列判定,采用最大Lyapunov指数预报模型和AR(2)模型进行预测.研究结果表明:采用最大Lyapunov指数预报模型预测所得市场出清电价预测值与实际值的平均绝对误差率为7.234 7％,最大绝对误差率为17.017 5％;采用AR(2)模型预测预测所得市场出清电价预测值与实际值的平均绝对误差率为5.540 8％,最大绝对误差率为11.830 0％;总体上,最大Lyapunov指数预报模型预测结果的精度略比AR(2)模型预测结果的精度低,但绝对误差率大于6％的时点数少于AR(2)的预测数,这表明应用最大Lyapunov指数对出清电价进行预测具有可行性.     

非线性运算法在日平均温度计算上的应用

采用的非线性方法是基于24h的平均温度,通过下列4种方法计算得到的逐时平均、四次平均、三次观测数据加上加权订正所得数据的平均、最高最低平均法得到的日平均温度与逐时平均比较,同时求出各种结果和24h计算所得平均温度之间的离散度,发现在日平均温度的计算上,除了所述的24h平均温度计算方法外,4次平均方法求出的日平均温度具有较好代表性,其他两种方法计算偏差相对较大。     

基于混沌时序的WTI价格系统预测

针对现代金融理论在描述价格波动行为时和真实市场之间存在着一定的差距问题,为运用混沌时间序列的方法来提取价格序列中蕴含着的动力学信息,并应用到实际预测,采用改进C-C算法消除在求解时间延迟时出现的矛盾,并且在计算Lyapunov这一重要系统特征量的过程中,结合R/S分析的方法,对小数据量法进行改进,用于WTI价格系统的预测.结果表明:该方法与传统方法相比,混沌时间序列预测的精度和可信度得到了提高,在经济预测方面有一定的理论价值和良好的应用前景.     

基于Lyapunov指数-相轨迹的发电机组故障诊断

以混沌理论为基础,根据非线性动力学系统的运动特性,对汽轮发电机组转子故障进行了分析阐述·通过对所测发电机组转子在3种不同工作状态下的时间序列进行的最大Lyapunov指数计算,并结合对这3种状态相轨迹图进行的分析和研究,发现发电机转子在不同工作状态下其时间序列的Lyapunov指数具有明显差异·因此,基于Lyapunov指数的实质,提出了发电机组故障诊断的"Lyapunov指数-相轨迹"法·该研究也为其他复杂机械的故障诊断和预测开辟了有效途径·     

上证指数的混沌特性分析

通过计算得到上证指数的最大李雅普诺夫（Ｌｙａｐｕｎｏｖ）指数为正值,表明上证指数具有混沌特性．通过上证指数的相关积分关于相空间维数的数值计算发现,当相空间维数大于１０以后,相关积分趋于平稳,从而确定上证指数的嵌入维数约为１１,这时对应的相关积分可以看作为它的分数维,约等于１．１．     

交通流的混沌特性分析及其预测

实时准确的短时交通流预测是智能交通系统中实现交通控制和诱导的关键技术之一.首先,采用饱和关联维数法和互信息量法对交通流时间序列的嵌入维数和延迟时间进行计算,并根据计算结果对交通流时间序列进行相空间重构;然后,采用wolf方法计算其最大Lyapunov指数,并对其进行功率谱分析,结果表明,交通流时间序列具有噪声;最后,分别采用基于BP神经网络和RBF神经网络的预测模型对交通流时间序列进行预测,结果表明,2种模型对短时交通流均能较好预测,但后者的预测精度较高,预测速度较快.嵌入维数;延迟时间;相空间重构;BP神经网络;RBF神经网络     

适用于高必要嵌入维的混沌时间序列预测算法

针对现有的混沌时间序列预测算法－－延迟坐标状态空间重构法不能对必要嵌入维较高的奇异吸引子进行有效预测问题,分析表明了高嵌入维时预测精度下降的原因在于 构空间的全局Ｌｙａｐｕｎｏｖ指数谱的变化。通过引入仿射变换,改善了高维重构空间的全局Ｌｙａｐｕｎｏｖ指数谱的性状,并由此给出了适用于高必要嵌入维的预测算法。仿真结果很好地支持了这一设想。