运动条件下反应堆自然循环模型

为研究船舶摇摆、起伏等运动对反应堆自然循环特性的影响,提出了非惯性系一维两流体模型。应用交错网格、有限体积法、半隐一阶迎风格式对质量、动量、能量方程进行离散,开发了运动条件下反应堆自然循环分析程序。通过实验数据对程序进行验证,并采用本程序对一体化反应堆实验回路开展了摇摆运动条件下的两相自然循环模拟。程序验证及模拟结果表明:该程序具备分析运动条件下的反应堆自然循环的能力,能够准确计算出摇摆运动条件下自然循环质量流量及空泡份额的变化趋势。     

基于线性耦合储备池计算的电机系统混沌预测研究

为了解决永磁同步电机混沌时间序列预测的问题，本文提出2个线性耦合的储备池计算模型。通过寻求2个储备池计算中的最佳耦合系数，根据目标系统的时间序列数据能够预测目标系统的混沌行为，而达到预测精度更高，预测时间更长的效果。以永磁同步电机为研究对象，证明了线性耦合储备池计算在耦合系数α=0.803时，预测效果最优秀，误差Δ=9.14×10^-4。     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

径流序列的相空间重构神经网络预测模型

在水文水资源领域中引入混沌理论，将相空间重构理论与神经网络理论相结合，提出了径流时间序列预测模型．通过相空间重构，把一维径流时间序列拓展为多维序列，而多维序列可挖掘更为丰富的信息，有利于神经网络的训练．研究表明，利用神经网络建模可以较好地解决非线性问题，使预测更符合实际．以汉江石泉水库逐月平均入库径流序列为例，建立了径流时间序列相空间重构与神经网络耦合预测模型，计算结果表明，模型有较高的预测精度．     

基于SVM的瓦斯体积分数混沌时间序列预测

文章针对瓦斯体积分数时间序列的非线性和不确定性特征,提出了一种基于SVM的混沌时间序列预测方法.该方法采用改进的最大Lyapunov指数法识别时间序列的混沌特性,通过多次试验选取合适的参数构造SVM预测模型,最后使用优化的预测模型对φ瓦斯的变化趋势进行预测.仿真结果表明,该模型能够较好地解决φ瓦斯时间序列的预测问题,与RBF神经网络模型相比,具有较高的预测精度.     

密度核反馈条件下低压自然循环两相流动稳定性实验

为了研究核供热反应堆主回路自然循环两相流动稳定性，考证了具有密度－核反馈耦合条件下两相流动的热工水力学行为。在热工实验回路ＨＲＴＬ－５中引入了反应堆中子动力学模拟系统。以实测冷却剂密度作为其输入参数，以中子动力学模拟系统的功率输出通过ＨＰ－３８５２５控制器对系统电加热功率进行实时控制，实验研究了不同工况条件下自然循环两相流动的稳定性。研究结果表明，核反馈耦合条件下系统中出现很低欠热度不稳定性区，反馈系数大小、测量系统和元件动态响应特性对自然循环两相流动稳定性有重要影响。     

多维关联因素筛选条件下的堆积层滑坡体积预测研究

为实现三峡库区堆积层滑坡体积的高精度预测,在滑坡特征参数统计的基础上,先开展体积影响因素的分布特征分析及相关性研究,以筛选出滑坡体积的重要影响因素;再利用多种优化算法和混沌理论实现极限学习机的参数优化和误差弱化,构建出滑坡体积在多维关联影响因素条件下的混沌优化极限学习机模型,以实现其预测研究.实例分析表明:三峡库区滑坡体积影响因素较多,受区域地质条件限制,各类影响因素的分布范围均较广,且波动性较强;同时,本研究中各类优化算法均能不同程度提高预测精度及运算速度,验证了各优化方法的有效性,且混沌理论能有效弱化预测误差,进一步提高了预测精度;另外,预测结果的平均相对误差为1.71%,可靠性验证结果的平均相对误差也仅为1.49%,两者相当.该预测模型不仅具有较高的预测精度,还具有较强的可靠性,适用于滑坡体积预测,为三峡库区滑坡规模研究提供了一种新的思路.     

混沌时间序列及其在能源系统中的应用

混沌经济时间序列的预测方法研究是混沌经济非线性动力系统的重要内容，笔者利用混沌动力学原理，通过混沌时间序列的相空间重构，运用局域预测方法，建立了预测模型，并用其确立的混沌动力学模型对1991年至1999年全国能源的生产、消费时间序列进行了预测，而且把此预测结果与实际值进行了比较，结果证明误差较小，同时还将此预测结果与常规方法建立的预测模型的预测结果相比，结果表明混沌时间序列建立的模型其短期预测效果更好。     

激光水下目标探测中混沌背景信号重构的研究

对激光水下目标探测中混沌背景信号的重构问题进行了研究．讨论了混沌时间序列的动态特性，并实际计算了激光水下目标探测中混沌背景信号的时延、混沌维数等有关特征参量．在阐述神经网络重构时间序列模型机理的基础上，提出用神经网络局部预测法重构水下目标探测中混沌背景信号，最后在成功地重构出混沌背景信号的条件下，利用预测误差检测到水下目标探测中的有用弱信号．实验结果表明这种方法是比较有效的．     

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.     

遗传算法在经济混沌组合预测中的应用

经济混沌是由确定性的经济系统产生具有随机性的动态行为。虽然经济系统产生的时间序列不具有长期预测性，但在短期内可有较为精确的预测，可以为其建立确定性的预测模型。为了探求经济时间序列中的混沌特性，文中在Wolf提出的相空间重构的基础上，提出了一种基于遗传算法的经济混沌组合预测方法，在该方法中采用自适应并行遗传算法确定组合模型中权系数，这样可以较好地解决传统经济混沌预测大多数都是使用单一模型以至影响了观测精度等问题，最后以实例检验了提出的算法。     

激光水下目标探测中混沌背景信号重构的研究

对激光水下目标探测中混沌景信号的重构问题进行了研究。讨论了混沌时间序列的动态特性，并实际计算了激光水下目标探测中混沌背影信号的时延、混沌维数等有关征参量。阐述神经网络重构时间序列模型机理的基础上，提出用神经网络局剖预测法重构水下目标探测中混沌背影信号，最后在成功地重构出屯背影信号的条件下，利用预测误差检测到水下目标探测中的有用弱信号。实验结果表明这种方法是比较有效的。     

一种联合优化算法及其在混沌时间序列预测中的应用

为了提高混沌时间序列预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种基于遗传算法的混沌时间序列参数联合优化方法.该方法首先将相空间重构和预测模型参数作为遗传算法的个体,混沌时间序列预测精度作为适应度函数,通过选择、交叉和变异等遗传操作获得最优参数,最后利用混沌时间序列实例对联合优化方法进行验证性测试.实验结果表明:相对于传统参数优化方法,联合优化方法大幅度提高混沌时间序列的预测精度,为混沌时间序列预测提供一种新的思路.     

混沌时间序列在边坡位移预测中的应用

根据非线性边坡位移时间序列，运用相空间重构理论，建立了加权一阶局域法边坡位移预测模型、基于Lyapunov指数的边坡位移预测模型、基于神经网络的混沌时间序列边坡位移预测模型，对比分析了三个预测模型的特点。新龙寺滑坡预测研究表明，基于混沌时间序列预测方法具有很好的预测精度和广泛的适应性。     

摇摆运动下系统空间布置对自然循环流动特性的影响

基于摇摆运动条件下自然循环流动的数学模型,研究了该条件下自然循环回路的质量分布、摇摆轴心以及单双回路等系统的空间布置对自然循环流动波动特性的影响．结果表明：由于摇摆运动产生的附加加速度具有时空特性,不同空间位置产生的加速度大小和方向都不同,所以系统的空间布置对摇摆运动条件下的自然循环流动存在较大影响,其中对摇摆轴心的影响最为显著;对于冷却剂系统而言,采用对称布置可以抵消向心力的影响,降低流动速度波动的频率;摇摆轴心位于回路外可以降低切向力的影响,降低波动的振幅,但轴心与回路距离过大时,切向力的影响又会因半径的增加而增加,造成流动波动振幅增加,采用对称双回路布置有利于消除切向力的影响,从而降低总流量的波动振幅;对称双回路布置有利于降低总流量的波动;采用适当的布置,可以有效地降低摇摆运动对自然循环流动波动特性的影响．在设计中,还应综合考虑密度以及质量分布的因素,合理的质量分布可以有效地降低摇摆造成的流动波动．     

基于支持向量机的混沌时间序列预测

支持向量机（SVM）是一种基于结构风险最小化原理的学习技术,是一种具有很好泛化性能的回归方法.针对混沌时间序列特点,提出混沌时间序列预测的支持向量机建模的思路、特点及关键参数的选取.对模型进行了实例研究,结果表明该模型能较好地处理混沌时间序列,具有较高的泛化能力和很好的预测精度.     

最大Lyapunov指数改进算法的网络流量预测

为了提高网路流量的预测精度,针对网络的非线性及复杂性,应用最大Lyapunov指数改进算法,利用历史数据信息,在重构相空间的基础上对网络流量进行短期预测,应用混沌理论对某高校主干流量时间序列进行分析。结合C-C算法将实际测试的流量时间序列投影到重构的相空间中,计算其最大Lyapunov指数并对最大可预测时间进行了分析。实验结果表明,最大Lyapunov指数改进算法具有良好的预测效果,较高的预测精度和更好的自适应性,该算法应用于网络流量预测是可行、有效的。     

一种时变耦合模型在油井产量预测中的应用

 油井产量随时间的变化关系受多种因素的影响,它们之间是一种极其复杂的非线性关系,常规油藏工程研究方法往往受相关参数的不确定性所限,预测误差偏大。分析认为油井产量数据具有时间序列特征,引入相空间重构技术,利用G-P法求出最佳嵌入维数,对油井产量构成的时间序列进行混沌特性识别。在此基础上,利用支持向量机（SVM）方法,构建具有时变特性的混沌-SVM耦合模型,该模型对中、短期的油井产量预测具有很高的精度,在实际应用中,可以不断补充新的历史数据,进行滚动预测,可靠性更高。实例W8-5井的应用效果也表明,预测结果平均相对误差仅为7%,显示出模型具有较好的预测效果和实用价值。     

基于CPSO和SVM的混沌时间序列预测

提出了一种改进的支持向量机（SVM）混沌时间序列预测精度的方法。对于模型参数估计,引入混沌粒子群优化算法（CPSO）实现全局寻优,利用支持向量回归实现非线性系统的建模和预测。对Mackey-Glass混沌时间序列进行了预测实验的结果表明,本文方法能对Mackey-Glass混沌时间序列进行准确预测。     

基于最大Lyapunov指数的网络业务流量预测

在高速网络资源分配与拥塞控制研究中,网络业务流量的预报是一个具有重要意义的课题.基于准确的业务预报,网络管理和控制方案更易于适应业务流量的动态变化,从而达到优化网络性能的目的.而高速网络中大量存在着以自相似性为特征的多种业务流量.已有研究表明,这种自相似特性与混沌现象的吸引子有着紧密的联系.笔者利用混沌时间序列的重构相空间方法,对高速网络中自相似信源的速率做出了预测,并给出了最大可预报时间.该方法的预测模式简单,仿真结果表明,预测的精度也比较高.