基于小波分析的蛋白质序列分形研究

利用氨基酸的疏水自由能对蛋白质序列进行编码，选择墨西哥帽小波对于编码序列进行多尺度分解，应用基于小波分解的Abry—Veitch算法来研究蛋白质一级结构的分形特性，最后通过计算Hurst指数来定量刻画蛋白质序列的自相似性。实验结果表明．本文的方法只依据蛋白质一级序列的信息，可获得反映了蛋白质序列排列的自相似性和复杂度一个判据，相比于其他方法，本文的方法简单、可靠，为蛋白质序列的分析和研究提供了一个新的思路。     

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.      

基于小数据量法计算固体"类流态"的最大Lyapunov指数

为研究固体材料中的非线性振荡"类流态"现象,由高速摄像机拍摄固体"类流态"振荡过程,获得了灰度值振荡时间序列.利用Lyapunov指数的小数据量法,计算出该时间序列的最大Lyapunov指数.由于Lyapunov指数是定量描述混沌吸引子的重要指标,根据最大Lyapunov指数大于零的计算结果,判别固体"类流态"振荡系统处于混沌状态.     

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.     

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·     

一种基于相空间重构的动态离散时间序列参数自适应求取算法

提出了自适应确定动态离散时间序列的最佳重构相空间嵌入维方法,为数据量不断变动的动态离散时间序列数据库实现自动连续分析提供了可能.讨论了在应用Wolf算法计算最大Lyapunov指数时遇到的因追踪轨线追踪到相空间终点而使计算意外终止的问题,提出最大Lyapunov指数的改进求解方法.基于最大Lyapunov指数进行验证性预测,说明了算法的有效性,并进一步分析了算法对实时分析短期稳定的混沌系统具有积极意义.     

硫化矿石堆自热的混沌特征

为揭示硫化矿石堆非稳态自热过程的混沌特征,以某硫铁矿矿石样品为实验材料,应用自主设计的实验装置,室内模拟矿石堆非稳态自热过程。通过小波变换、三维相图分析、功率谱分析和最大Lyapunov指数计算,对表征矿石堆自热过程的温度序列进行研究。研究结果表明:硫化矿石堆自热是一个混沌演化过程;随着深度增大,矿石堆混沌程度呈先增大后减小的趋势;最大Lyapunov指数与平均升温率呈正相关性,可基于最大Lyapunov指数对矿石堆不同区域的自燃倾向性进行评价。     

一种蛋白质结构同源建模的DNA算法

将一种新的智能计算方法——DNA计算引入到蛋白质结构预测中,试图建立当蛋白质结构与母板结构相似度比较低的情况下的蛋白质结构比较模型的DNA计算方法。将氨基酸序列中的一个残基的可能构型映射为一段DNA序列,将一个蛋白质结构预测问题转化成一个边赋权的图的最大权团问题,结合最大权团问题的DNA计算模型,建立蛋白质预测问题的DNA算法,并通过仿真实验说明了算法的有效性。     

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。     

基于小波分析确定离散动力系统的最大Lyapunov指数

通过计算小尺度小波变换模数的最大Lyapunov指数,得到离散动力系统的最大Lyapunov指数.结果表明,不同的变换尺度对计算结果影响不同,而选用不同的小波函数对计算结果影响不大.利用小尺度小波变换模数来计算最大Lyapunov指数能有效克服极强的大尺度噪声的干扰.     

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。     

基于神经网络的蛋白质二级结构预测

提出一种蛋白质二级结构预测的新方法.该方法首先对数据集中的氨基酸序列利用PSI-BLAST程序进行同源序列搜索,得到相应的PSSM矩阵,然后利用滑动窗口方法对矩阵进行编码,得到分类器的输入.采用分类器集成,将所有的样本划分成9个互斥训练集对单个子分类器进行训练.然后,9个单独的0-1子分类器通过最大投票法进行集成,形成识别一种特定的蛋白质二级结构的0-1分类器.这样3个0-1分类器模型通过串行集成,可以对蛋白质的三种二级结构(H/E/C)进行识别.通过对标准数据集RS126,CB396,CB513进行测试发现,对于同一分类器,利用PSSM矩阵作为分类器输入的预测准确率要高于直接将蛋白质序列作为输入的预测率.     

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.     

深埋隧道施工过程的非线性动力学特性分析

为了地下空间的有效合理开发、施工优化、确保工程顺利进行,必需对深埋隧道围岩的稳定性进行分析.基于快速拉格朗日法和非线性动力学方法对隧道围岩的能量耗散特性进行分析,论证了围岩体的能量分布是其应力分布的决定因素以及由于岩体单元应力状态的变化而发生屈服准则的改变是其破坏的根本原因.阐叙了围岩系统状态和最大Lyapunov指数的关系,通过计算发现能量序列的最大Lyapunov指数为负数时,系统处于有序的定常态,围岩发生了急剧的屈服破坏现象,而最大Lyapunov指数为正数时,系统处于孕育变化的混沌状态,围岩处于相对稳定状态.     

使用蛋白质和mRNA序列信息预测蛋白质亚线粒体定位

线粒体是很重要的半自主性细胞器,主要为细胞提供能量,还承担了许多其他生理功能,而线粒体的某些功能只有在特定亚线粒体位置中才能实现.对亚线粒体定位的研究有助于进一步了解蛋白质的功能.文章计算了蛋白质的进化信息、同源序列的go信息、氨基酸指数信息、氨基酸粘性、氨基酸组分、平均化学位移,并结合mRNA序列的三联体频数,利用支持向量机算法和离散增量算法对蛋白质亚线粒体定位进行预测,在jackknife检验下准确率达到97.64%,同时用独立检验也取得较好的结果.     

基于Lyapunov指数的电阻点焊声音混沌时间序列识别

以混沌理论为基础,对电阻点焊声音信号进行了分析与研究,通过计算8种不同焊接规范下时间序列的最大Lyapunov指数,发现点焊声音信号中的Lyapunov指数均大于0,揭示了声音信号中存在混沌现象,该研究为点焊质量的判断和预测开辟了有效的途径.此外,采用经典欧式几何方法描述声音信号误差较大,提出了用曲线盒维数作为特征值来量化具有混沌特性的点焊声音信息,结果表明,盒维数能反映点焊质量微小变化,可提高质量检验的准确性.     

基于Cp-曲线的蛋白质序列相似性分析

蛋白质是生物体内行使重要功能的生物大分子.蛋白质的功能是由其空间结构决定的,而蛋白质的空间结构取决于其一级序列.因此,研究蛋白质的氨基酸序列就成为蛋白质结构预测的前提和基础,并已经成为生物学家关注的主要研究内容之一.主要介绍基于20种氨基酸的一种5-L模型,将蛋白质序列粗粒化为5-L序列,进而给出蛋白质序列的一种3-D图形表示,称之为Cp曲线.将Cp曲线转化为容易比较的序列不变量,并在此基础上对11个物种β-球蛋白质序列进行相似性分析.     

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%.     

基于混沌神经网络的交通事故损失预测

文章应用混沌方法对交通事故损失时间序列进行处理，计算出最大Lyapunov指数，得到最大可预报时间尺度，在此基础上，建立人工神经网络预测混沌时间序列的模型。最后运用该方法对我国交通事故损失进行了预测分析。