福州市区降雨序列多时间尺度的混沌特征

利用多时间尺度(Δt=1,2,3,6月)对福州市区近60 a来降雨序列进行混沌分析,以相空间重构、相空间嵌入维数m、饱和关联维数D2、饱和关联维数D2与相空间嵌入维数m的比值和最大Lyapunov指数λ等参数揭示了福州市区降雨序列的混沌特征.结果表明:各种时间尺度的相空间重构m都为8、饱和关联维数D2分别为3.19,3.24,3.15和3.13,D2/m分别为0.400,0.405,0.394和0.391,最大Lyapunov数λ分别为0.33,0.50,0.34和0.25,体现了各种时间尺度下福州市降雨量存在着混沌现象;通过对比分析,得出以Δt=6时的时间尺度分析降雨序列的混沌特征较好.     

一种改进的相空间近邻等距模式及其在短期气候预测中的试验

现有研究表明,气候要素系统可能存在混沌现象.通过应用混沌理论中的重建相空间技术,可在相空间中揭示出传统方法无法揭示的复杂气候动力特征,为气候预测研究开创一条新途径.现有相空间理论的研究多着重于对混沌系统的识别和应用混沌相空间理论建立不同的模式进行提前预测,这些预测多为对月时间尺度的;对于如何提高预报准确率和延长预报时效,从而实现对多个月份、季、年等更长时间尺度提前预报的研究还不多见.基于混沌理论的相空间近邻等距模式,对该理论中的提前预报时间T、延迟时间τ和相空间维数d等进行讨论.提出,实际应用中根据提前预报时间T来建立新的时间序列,满足T=τ=sδt,消除了相空间时滞τ的变化对提前预报时间尺度T的影响.应用改进前、后的预报模式,以不同相空间维数d对气温和降水气候要素做提前T=1~15个月的预报试验和检验.结果发现,改进后的模式提高了预报准确率,延长了预报时效.     

基于平稳小波和重构相空间的快衰落信道预测算法

为了解决快速衰落信道的预测问题,提出了一种非线性预测算法.该算法基于多径快速衰落信道所具有的混沌行为,将快速衰落信道系数分解为与原序列等长的尺度系数和小波系数,并利用坐标延迟理论,重建尺度系数和各级小波系数的相空间,再根据混沌吸引子的稳定性和分形性,在相空间中对尺度系数和小波系数进行预测,进而通过平稳小波重构算法,实现了快速衰落信道的非线性预测.与无小波算法相比,该算法更适于对噪声环境下的较大时间范围进行预测.对时间跨度为65 9ms的衰落系数进行了预测,仿真结果表明,在信噪比为10dB时,预测结果明显优于无小波变换算法.     

基于S-变换的水文时间序列演变特征研究

水文时序的多时间尺度分析对深入认识流域水文系统的演变特征及中长期水文预报有重要意义,但目前常用的短时Fourier分析,小波变换以及H ilbert-Huang变换等方法均有各自的不足之处.文中尝试运用现代时频分析工具S变换对于桥水库1956—2000年的年入库流量时序进行了时频分析,得到了该水文序列频谱在时-频平面上的三维分布图,它清晰地显示了该时间序列在不同时段内的多时间尺度演变特征.然后通过分析频谱图的拓扑结构,总结了于桥水库年径流量演变过程的关键特征.结果表明,S变换克服了小波变换或Huang变换(EMD)会因分解层数确定的主观性而可能产生的混频现象,这使它在水文时间序列多时间尺度分析及其特征提取方面有着广泛的应用前景.     

递归图理论在不同时间尺度下的径流混沌特征分析

以黑河上游莺落峡水文站1944～2017年的出山径流量为研究对象,将递归图理论与混沌理论相结合,在不同时间尺度下对径流时间序列混沌特征进行了有效辨识.利用递归图和滑移窗递归定量分析法(RQA)获取原始时间序列的动力学信息,提取出相关递归特征量;绘制不同尺度下的径流递归图,对径流混沌特性进行定性描述;利用RQA对混沌特性进行定量计算和检验.结果显示,在不同阶段径流的混沌程度各不相同,滑移窗的确定性(DET)可与递归图共同描述径流的混沌程度;滑移窗的Shannon熵(ENTR)显示径流的混沌程度随着时间尺度的增加而逐渐增大;滑移窗的层状性(LAM)与传统的水文学特征量——变差系数(C_v)的计算结果相互检验,可作为一种新的衡量径流离散程度的参数.递归图理论实现了径流混沌特征的可视化,是辨识径流时间序列混沌特征的有效工具.     

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.     

太阳黑子相对数的多时间尺度及混沌特性分析

本文将1749年1月至2016年12月的太阳黑子相对数作为研究对象,利用集合经验模态分解方法和混沌动力学理论对该观测资料进行了多时间尺度和混沌特性分析,并对比了太阳黑子相对数和其剔除周期成分或混沌成分后的时间序列的分析结果.结果表明,太阳黑子相对数由周期成分、混沌成分和趋势成分组成,有着明显的多时间尺度和混沌特性,太阳黑子活动规律由产生周期性活动的物理机制和混沌动力学因素共同作用的结果.在进行多时间尺度分析时,剔除其混沌成分,不影响多时间尺度分析结果.在进行混沌特性分析时,太阳黑子相对数比其剔除周期成分后的时间序列的混沌特征更明显.     

气候变量时间序列的尺度分解的讨论

从理论和实例两方面,对采用不同方式进行气候变量时间序列的尺度分解时,所得结果出现的差异及其原因进行了分析讨论。结果表明,采用不同时间分辨率的序列进行时间尺度分解的结果的真正物理意义是有差别的。另外,个例分析还发现,对时间分辨率高的序列进行时间尺度分解产生的截断误差较小,而时间分辨率低的序列的截断误差较大。     

基于小波变换与组合模型的网络流量预测算法

针对网络流量在以不同时间尺度分析时呈现不同特性给流量精确预测带来的困难,提出一种基于快速小波变换和季节差分自回归滑动平均组合模型的多分辨分析预测算法.采用小波方法对网络历史流量进行分解以分析不同时间尺度下的流量相关结构,根据不同时间尺度下的流量时间序列的周期性和自相似性,分别选择合适的模型建模用于预测.使用小波方法对各序列的预测值进行重构,得到原始流量的预测结果.仿真结果表明,所提预测方法比同类预测方法具有更高的精度.     

用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。