短期电力负荷的小波——混沌时序预测

提出了一种基于2层小波分解的混沌时序相空间重构预测模型.该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果.该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复.通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法.针对神经网络预测不稳定的问题给出了一种种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义.     

云南地区月降雨量时序数据的非线性特性研究

应用复杂系统理论和方法研究了云南地区月降雨量时序数据的非线性特性.应用Cao方法排除了月降雨量序列为随机序列的可能性;应用替代数据方法中的两种不同的检验统计量对降雨时序数据进行了非线性检验;并结合月降雨量时序数据的功率谱分析,按照降雨时序数据的内在复杂规律研究了其演化特性,实证结果一致表明云南地区月降雨量时间序列具有明显的非线性混沌特性.研究结果为进一步研究月降雨量时序数据的复杂性及其演化规律奠定了基础.     

基于神经网络的混沌系统状态预测

在对混沌时间序列的未来状态进行预测时,必须能够正确确定重构序列相空间时的最优时滞及最优嵌入维数,并根据序列状态的变化选定适当的模型进行预测。利用时间序列的自相关函数来确定时滞τ值,利用混沌序列嵌入维数与关联维数的关系来确定最优嵌入维数m值。在此基础上,选择神经网络模型来逼近真实系统,并采用一种新的算法来确定网络权重。最后,通过Logistic映射所产生的时间序列对所述理论进行了实证研究。     

改进非线性局部平均算法的混沌去噪研究

基于混沌序列重构相空间理论,提出一种改进的局部平均非线性去噪方法。该方法在邻域选择、数据更新等方面进行了改进,更好地校正相空间中点的位置,使其逼近真实的混沌吸引子轨迹,重构吸引子结构,而且计算更为简单可靠。分别对Henon映射产生的混沌序列和实际观测的月太阳黑子混沌序列进行仿真研究。结果证明此方法能够高效地去除噪声,同时保留原非线性系统的混沌特性,并且很好地区分相空间中的邻近轨迹。     

闭环系统的虚拟参考反馈校正控制及迭代最小辨识

在线性框架下研究基于输入输出观测数据对未知系统模型中两反馈控制器的设计问题. 采用虚拟参考反馈校正控制直接设计控制器,无需系统建模过程. 在构造代价函数时,同时考虑闭环传函和灵敏度的模型-匹配问题. 针对模型匹配过程,分别设计虚拟输入和扰动;推导用于观测数据预处理的滤波器. 在设计控制器前,利用概率统计法对控制器进行检验以保证闭环系统的稳定性. 针对控制设计中的参数优化,利用数值优化理论分析迭代最小二乘辨识算法所生成的迭代序列与全局最优值间的逼近式,以此式作为评价收敛性和收敛速度的依据. 最后用仿真算例验证方法的有效性.     

汇率时间序列混沌动力学特征及实证

为判定汇率时序是否具有混沌动力学特征,运用相空间重构技术和小数据量算法对5种主要货币兑美元的日汇率数据进行实证分析.研究发现,5种汇率时间序列的最大Lyapunov指数λ1均大于0,相关维数均为分数,表明汇率时间序列的确存在混沌动力学特征.混沌特征的判定为深入分析汇率序列,以及进一步的预测和风险控制提供了重要的理论依据.     

基于GA-Fuzzy的混沌系统辨识研究

提出用遗传算法优化的Takagi-Sugeno-Kang(TSK)模糊模型对未知或不确定的混沌动力学系统进行辨识。在辨识未知混沌系统的TSK模型过程中，只需利用未知混沌系统的输出时间序列。首先，采用模糊聚类分析方法从训练数据建立其初始TSK模糊模型。然后采用实数编码的遗传算法对初始模型进行优化设计。同时为防止破坏模糊规则的语义属性，对遗传搜索空间采取了适当的限制。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能。仿真结果表明，该辨识模型能很好地逼近原混沌动力学系统，准确地体现原混沌系统的动力学特性。     

除噪技术及其在汇率数据中的应用研究

应用复杂系统理论研究了汇率混沌数据延时嵌入相空间重构方法及其伪相图的获取技术．通过嵌入空间矩阵的分解来得到混沌时序的奇异谱曲线，依此获取混沌时序的内在本质特征及判定其噪声的组成比例，将混沌数据的除噪技术用于汇率数据非线性本质特征的提取．计算结果表明：伪相图在极大程度上反映了原复杂系统的内在本质特征．这一研究对于汇率混沌数据的除噪、本质特征获取、非线性混沌模型的确立技术等都有着极其重要的理论和实际意义．     

基于带回归权重RBF-AR模型的混沌时间序列预测

提出了用带回归权重的径向基函数(radial basis function, RBF)网络来逼近状态相依自回归(autogressive, AR)模型中的函数系数,得到了带回归权重的RBF-AR模型。在这种模型中,RBF神经网络的输出权重已不是单一的常量,而是输入变量的线性回归函数。一种快速收敛的结构化非线性参数优化方法被用来估计提出的模型,辨识出的模型用来预测两组著名的混沌时间序列：Mackey-Glass时间序列和Lorenz吸引子时间序列。实验结果表明,提出的模型在预测精度上要优于其他一些现存的模型。     

基于混沌分析的道路网交通流短时预测

道路网交通流短时预测是实现智能交通控制和诱导系统的基础,本文以实时采集的交通流数据为基础,运用状态空间重构和G-P算法进行交通流短期特性研究.具体而言,通过分析交通流的混沌特性确定交通流率时间序列的嵌入维数,重构相空间,并以重构的交通流率时间序列作为输入采用Elman神经网络实现道路网多断面交通流率同时预测.研究结果表明,在道路网交通流短时预测方面Elman网络优于经典的BP网络,基于混沌时间序列分析的Elman网络不仅能够实现道路网多断面同时预测,且预测效果优于无重构的神经网络.     

混沌系统的一种模糊变结构控制器设计

研究了Chua混沌系统的稳定控制问题。采用模糊动态模型逼近非线性混沌系统，将非线性混沌系统模糊化为局部线性模型。用Lyapunov稳定性理论设计出，确保模糊动态模型全局渐近稳定的变结构控制器。仿真验证了方案的有效性，模糊控制器简单，规则少。     

非线性系统的模糊变结构控制及应用

采用T S模糊动态模型逼近非线性系统 ,将非线性系统模糊化为局部线性模型。用Lyapunov稳定性理论设计出确保T S模糊模型全局渐近稳定的变结构控制器。应用到Lorenz和Rossler两类混沌系统的稳定控制中 ,仿真验证了方案的有效性 ,不需要改变被控混沌系统的内部结构 ,且具有良好的稳定性。模糊控制器结构简单 ,规则少 ,有推广应用价值     

PREDICTING CHAOTIC TIME SERIES WITH IMPROVED LOCAL APPROXIMATIONS

In this paper, new approaches for chaotic time series prediction are introduced. We first summarize and evaluate the existing local prediction models, then propose optimization models and new algorithms to modify procedures of local approximations. The modification to the choice of sample sets is given, and the zeroth-order approximation is improved by a linear programming method. Four procedures of first-order approximation are compared, and corresponding modified methods are given. Lastly, the idea of nonlinear feedback to raise predicting accuracy is put forward. In the end, we discuss two important examples, i.e. Lorenz system and Rossler system, and the simulation experiments indicate that the modified algorithms are effective.     

A Novel Concatenated Chaotic Communication System

A strategy for a novel concatenated chaotic communication system is presented. The transmitter system comprises chaotic turbo encoder and logistic CSK block in a serially concatenated form. Chaotic turbo code is capable of reducing bit error rate (BER) of the chaotic system in the AWGN channel. Through the chaotic turbo encoder, the coded sequence, which has quasi-chaotic properties, will be transmitted into the logistic CSK block. Having a very sensitive dependence on initial conditions of the map, the logistic CSK block can also be taken as the chaotic authentication method. The receiver, which has logistic demodulation block and chaotic decoder, is a linear asymptotic approximation to the inverse of the transmitter system. A chaotic iterative soft-decision decoding algorithm is also developed based on conventional maximum A posteriori decoding algorithm. At last, a two-step authentication method of this chaotic system is also presented.     

Logistic-Map混沌扩频序列的有限精度实现新方法

结合线性反馈移位寄存器 (linearfeedbackshiftregister,LFSR)最大长度码序列 ,提出一种收缩法来实现有限精度数字混沌系统。研究了扩频码的周期和相关性能与实现精度和LFSR的级数的关系 ,在较低精度和LFSR的级数不高的条件下能够产生统计性能逼近于理想随机序列的码族极大的混沌扩频序列     

短参倍速差分混沌键控系统

由于差分混沌键控(differential chaos shift keying system,DCSK)系统存在参考时隙不传输码元却和数据时隙消耗相同发射功率这一缺点,提出了一种短参倍速差分混沌键控系统(short reference multifold rate-DCSK,SRMR-DCSK)。该系统将参考时隙长度缩短,同时数据时隙携带多比特码元。该方式降低了每比特发射功率,同时能有效改善系统的传输速率。采用高斯近似法推导了 在加性高斯白噪声信道以及瑞利信道中的误码率性能并进行仿真实验。理论分析和仿真结果表明,在两种信道环境中理论误码率和仿真曲线很好地一致。同时,证明该系统具有较好的性能以及实用参考价 值,在混沌通信领域具有很好的应用前景。     

一类非仿射受扰混沌系统的自适应模糊控制

针对一类带非仿射输入的不确定受扰混沌系统,提出了带监督控制项的自适应模糊控制。该方法采用模糊逻辑系统逼近虚拟控制中的未知函数,仅要求逼近误差范数有界。模糊参数采用σ自适应律,并给出参数的有界性证明。构造Lyapunov函数证明闭环系统所有信号一致有界,跟踪误差一致渐进稳定。将Duffing-Holmes系统、Genesio系统和Sprott电路混沌系统作为仿真对象,仿真结果验证了算法的有效性。     

基于T-S模糊模型的临界混沌系统复杂动力学分析

针对新近提出的临界混沌系统,在其相应的Takagi-Sugeno(T-S)模糊模型基础上,通过给每个模糊规则后件施加一类扰动并调节这些扰动,深入研究了该混沌系统的复杂动力学特性.仿真结果表明:除了具有已经发现的由镜相形成机制所决定的复合结构外,该混沌系统仍然具有尚未发现的由压缩和拉伸形成机制所决定的其他复杂动力学行为.     

Improved Oustaloup approximation of fractional-order operators using adaptive chaotic particle swarm optimization

A rational approximation method of the fractional-order derivative and integral operators is proposed. The turning frequency points are fixed in each frequency interval in the standard Oustaloup approximation. In the improved Oustaloup method, the turning frequency points are determined by the adaptive chaotic particle swarm optimization (PSO). The average velocity is proposed to reduce the iterations of the PSO. The chaotic search scheme is combined to reduce the opportunity of the premature phenomenon. Two fitness functions are given to minimize the zero-pole and amplitude-phase frequency errors for the underlying optimization problems. Some numerical examples are compared to demonstrate the effectiveness and accuracy of this proposed rational approximation method.     

多参数对混沌系统的影响

针对离散混沌系统有时会出现多个参数同时参与系统行为的情况,提出了多参数离散混沌系统的一般形式表达式。对于多参数离散混沌系统,如果确定了不同的系统参数,混沌系统的一般形式可转化为相应的混沌系统。通过对多参数离散混沌系统的动力学行为分析,发现同一离散混沌系统在多个参数的影响下,会出现复杂的动力学行为。给出了分岔序列的具体计算方法和步骤,数值模拟实验表明该方法的正确性和有效性。