煤与瓦斯突出前瓦斯涌出动态混沌特性

为了分析煤与瓦斯突出前瓦斯涌出量时间序列的混沌动力学特征,对某矿突出前的瓦斯涌出量实测数据的时间序列进行了相空间重构,采用G-P算法计算了突出前瓦斯涌出量时间序列的饱和嵌入维数和关联维数,采用Wolf方法计算了最大Lyapunov指数。结果表明:突出前瓦斯涌出量时间序列是一混沌序列,具有混沌特性;对于研究的瓦斯涌出量时间序列,当嵌入空间维数m取6～7时,Lyapunov特征指数趋于稳定值0.074,即为最大Lyapunov指数LE1;可以应用混沌理论分析突出前瓦斯涌出量时间序列的非线性特征。为煤与瓦斯突出预测研究提供了一种新思路。     

基于Lyapunov指数的预报方法及在气象预报中的应用

介绍了混沌时间序列的Lyapunov指数预报分析方法，并应用混沌方法对气象预测时间序列进行处理，把其混沌特性应用于气象预报中。根据气象时间观测数据计算了重构相空间嵌入维数D2和Lyapunov指数。结合实际例子对Lyapunov指数预测方法进行了验证。     

基于Lyapunov指数的预报方法及在气象预报中的应用

介绍了混沌时间序列的 Lyapunov指数预报分析方法 ,并应用混沌方法对气象预测时间序列进行处理 ,把其混沌特性应用于气象预报中。根据气象时间观测数据计算了重构相空间嵌入维数 D2 和 Lyapunov指数。结合实际例子对 Lyapunov指数预测方法进行了验证。     

短角幽天牛成虫林间种群数量的混沌特性

根据混沌理论,分别采用功率谱分析法、关联维数和嵌入维数、最大Lyapunov指数和主分量分析法识别短角幽天牛成虫林间种群数量序列的混沌特性,将短角幽天牛成虫林间种群数量的一维时间序列拓展到多维相空间中去,得出主要的混沌特性指标.研究表明:不同的混沌判定方法结果均显示短角幽天牛林间种群数量序列具有混沌特征,属于混沌时间序列;在拓展的多维相空间中存在吸引子,并具有分维结构,当延迟时间 T=2、嵌入维数m=12时,对应的相空间中关联维数D=3.260 9,最大Lyapunov指数λ1=0.288 6.因此,短角幽天牛成虫林间种群数量一维时间序列存在混沌特性,可以用重构相空间方法对其进行预测.     

风电场风速时间序列的复杂动力学特性分析

利用混沌理论对风电场风速数据进行了相空间重构,首先由C-C方法计算出嵌入维数和延迟时间,然后采用G-P算法计算出吸引子关联维数,最后用小数据量改进算法得出风速时间序列的最大Lyapunov指数,由计算结果发现风电场风速时间序列具有混沌特性,为利用混沌预测方法进一步提高风速预测精度提供参考.     

并网型大型风电场风力发电功率-时间序列的混沌属性分析

为了合理调度大型并网型风力发电系统中的供电系统,降低供电系统的旋转备用容量和运行成本,对风力发电容量进行预测.利用非线性动力学的理论方法对并网型风力发电系统的发电容量-时间序列进行分析,以检验其是否存在混沌属性.通过对风力发电容量-时间序列进行低维非线性动力学建模,分析该时间序列呈现的混沌特性,该结果为基于混沌时间序列的风力发电容量预测奠定了基础.     

非线性时间序列的相空间重构参数估计的新算法

针对混沌理论中非线性时间序列相空间重构的理论和方法,提出一种估计嵌入维数和延迟时间的新算法,采用矢量空间平均位移法确定延迟时间;基于混沌吸引子上邻近点之间距离随着时间增加最终趋于饱和的特性,估算非线性时间序列相空间重构的嵌入维数. 实例表明,该算法可以有效估计非线性时间序列的相空间重构参数.     

基于混沌不稳定周期方法的风速时间序列预测

结合相空间重构理论,针对具有混沌特性的风速时间序列提出一种基于不稳定周期的预测方法.采用互信息法计算给定时间序列的延迟时间参数,根据时间序列运行轨迹的重合度,构造不稳定周期优化函数.通过对该函数的优化计算,得到嵌入维数参数及最佳不稳定周期值.根据所得延迟时间和嵌入维数等参数对风速时间序列进行相空间重构.利用前一不稳定周期轨迹附近的数值实现对未来风速时间序列的预测分析.仿真实验结果表明,该方法能够有效提高风速时间序列的预测性能,并可实现风速序列的多步预测分析.与持续法等传统预测方法相比,当预测步长增加时,该方法具有更稳定的预测性能.     

基于0-1测试方法的含噪声降雨-径流时间序列混沌特征分析

运用0-1测试方法识别降雨-径流时间序列混沌特性,并探讨噪声对该方法的影响.该方法直接应用于时间序列不需要相空间重构,通过量化渐进增长率K(c),以其中值是否接近于0或1来识别时间序列的混沌特性.以云南省红河流域大东勇水文站10年的日降雨量和日径流量观测时间序列为例,运用小波去噪法对原始时间序列进行去噪,然后利用0-1测试方法中回归方法和关联方法分别量化渐进增长率K(c),从而进行混沌特性的识别和判定,并分析噪声对混沌特性的影响.结果表明,0-1测试方法简单有效地验证了该降雨-径流时间序列去噪前后均存在混沌特性,且关联方法获得的混沌特性比回归方法显著;该方法具有较高的抗噪声干扰能力,且关联方法受噪声影响比回归方法小.     

DNA序列的非线性分析

以10条真菌DNA序列为原始数据,根据序列CGR游走点的弧度值将DNA序列转换成相应的时间序列.对转换后的时间序列进行多重分形Hurst分析,10条DNA序列均具有长期记忆性;通过对表征系统混沌性质的3个统计特征量:关联维数、Kolmogorov熵和最大lyapunov指数的分析表明,10条DNA序列均呈现出混沌特性,说明DNA序列中的长期记忆性与混沌特性存在一定的对应关系.     

一种基于多维混沌时间序列的相空间重组技术(英文)

对给定的标量时间序列,利用Takens嵌入定理展开时间序列到高维并重构未知系统的吸引子,是从时间序列寻找决定性混沌证据的常用方法.在传统的一维时间序列重构技术基础上,提出一种更有效的多维时间序列相空间重构技术.对一些已知混沌系统如洛伦兹系统、陈系统、罗莎系统、罗宾系统和罗莎超混沌系统进行了重构.结果表明,与传统的重构技术相比,多维重构技术计算出的最大李雅普洛夫指数更精确,对于非混沌系统和附加噪音的混沌系统,多维重构技术也表现出一定的优势.     

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RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐。本文研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值。     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐.研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中.仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值.     

基于径向基函数网络的混沌时间序列分析

给出了基于径向基函数网络的混沌时间序列预测的方法。利用非线性自回归移动平均（ＮＡＲＭＡＸ）模型对非线性时间序列进行辨识并给出基于动态径向基函数（ＲＢＦ）网络的辨识算法。将这一方法应用到Ｈｅｎｏｎ映射的混沌时间序列的嵌入维估计及我国股票市场的混沌现象的实证研究,得到理想的结果。文章最后指出了进一步的研究方向。     

基于混沌理论的公路建设与区域协调发展研究

为实现我国公路建设与区域的协调发展,运用复杂性科学的混沌理论基础,阐述了公路交通基础设施发展的混乱现象和实现公路交通与区域一体化发展的必要性,从混沌同步效应与路径锁定效应两方面．论述了混沌理论对解决我国公路交通基础设施发展的启示,通过论证运用混沌同步法解决公路交通基础设施建设发展中的时空混沌问题,分析公路投资建设驱动系统和区域发展目标要素响应系统之间的混沌同步作用,建立公路建设和区域发展的混沌同步模型,并根据建立的混沌同步模型简要讨论了公路建设投资的混沌同步策略．     

Volterra-Wiener-Korenberg模型非线性检验方法

通过Logistic系统产生的周期2、周期3及混沌的时间序列研究了噪声对Volterra-Wiener-Korenberg模型非线性检验方法的影响，由Lorenz混沌时间序列进一步探讨了采用该方法检验非线性时间序列的实用性，并利用该方法对疲劳表面肌电信号进行了非线性分析。结果表明，测量噪声和内部噪声对该方法的影响有所不同，从而对于有噪声的短实验数据，该方法只是一种间接的非线性检验方法，并不能直接判定原始数据是否存在混沌特性。     

混沌时间序列的局域线性回归预测方法

混沌时间序列预测是８０年代末发展起来的一种非线性预测新方法．它已在天气预报、经济预测、电力负荷预测、股市预测等方面得到成功应用．混沌运动是确定系统具有内在随机性的一种运动,它的行为极其敏感地依赖于初始条件．混沌系统从两个极其邻近的初始点出发的两条轨道...