基于EMD与STSA混合方法的金融收益信息提取与预测

针对STSA方法在金融时间序列分析中的缺陷提出了运用EMD与STSA结合的改进方法。以上证指数、深证成指、建筑指数、金融指数、地产指数、上证商业6种指数的收益数据作为研究样本,利用EMD方法分解提取出一系列反映原始序列不同时间尺度信息的分量,通过对各分量进行STSA分析后发现导致原始序列多变化模式的原因。在此基础上提出了通过单一变化模式分量对原始序列变化趋势进行估计的条件和限定范围,实验结果表明,该方法在提取和分析时间序列变化模式方面具有独特的优势,具有较高的预测精度和实用性。     

基于混沌优化的规范化PID控制器及其应用

为了解决PID参数整定繁琐、难以达到最优状态、控制结果出现较强的振荡和大超调等问题,作者提出一种规范化PID控制器参数混沌优化方案.由于混沌运动具有遍历性、随机性等特点,它能在一定的范围内按其自身规律不重复地遍历所有状态,把混沌动力学特性与退火策略结合起来在规范化PID参数域中实现混沌优化搜索,具有更强的搜索PID参数全局最优值的能力.对水轮机调速系统进行控制仿真,结果表明该算法能有效地实现PID参数最优整定;控制结果具有稳定、超调小、响应快、调节时间短、结构简单、容易实现的优点,为解决PID控制器参数全局最优设计提供了一种有效的方法.     

一种检测电力变压器局放信号的离散小波算法

大型电力变压器经常发生局部放电现象,必将导致绝缘层破坏,停电事故发生甚至变压器解体,因此,必须在线检测局部放电信号.作者分析了可能存在的各种干扰源及其特征(包括干扰源频率的分布范围),讨论了各种干扰源进入检测系统的3种途径并提出了相应的抑制措施,设计了用于计算机模拟的局放检测信号.针对高频的局放信号,提出了一种改进型快速小波变换分解及重构算法,对仿真的局部放电信号进行了分解与重构.该算法对低频信号具有较低的频率分辨率,而对高频信号具有较高的频率分辨率.仿真结果表明,改进的快速小波变换分解与重构方法能有效地滤除强载波干扰,不失真地提取出局部放电信号幅值及其放电时间.     

基于误差同步预测的SVM金融时间序列预测方法

在现有支持向量机(SVM)方法的基础上提出对预测误差进行同步预测的双重预测方法,利用预测到的误差对初步预测值进行校正以提高预测精度.针对误差序列非线性、非平稳以及系统动力信息不足的特点,将经验模态分解(EMD)和支持向量机(SVM)方法结合引入误差序列的预测中.对误差序列的预测分别运用初步训练误差和测试误差对预测集合的误差进行预测,将所得到的误差序列分解为若干固有模态分量(IMF),根据各个IMF不同尺度的特点,选择不同的参数对其进行预测,最终合成原始序列的误差预测值,将所预测到的误差与初步原始序列预测值结合,得到最终的预测值.仿真结果表明该方法能够很好地解决预测滞后性和拐点误差大的缺点,相对于普通的SVM预测方法具有更好的预测精度.     

基于Hilbert-Huang变换的房地产调控政策对地产指数的影响

运用Hilbert-Huang变换的方法将地产指数价格分解成几个本征模函数的叠加，通过t 检验、Hilbert-Huang 频谱和功率谱分析将其归类重组，最终形成了地产指数的三个基本分量. 在此基础上对2002 年5月9日至2011年2月9 日期间颁布的142条房地产宏观调控政策进行作用力检验，并通过模拟政策作用力探究其对地产指数价格分量的影响，最终找到53 条影响市场波动价格和54 条影响重大事件价格的政策. 从Hilbert-Huang频谱分析上来看，2007 年1月至2009年2月的一系列宏观调控政策增加了地产指数市场波动价格的波动程度. 从对政策作用力的模拟来看，市场对于货币政策的反应非常灵敏，而对于某些商品房市场政策、土地市场政策等反应有一定的滞后性. 政策初始作用力的大小与持续时间无关.     

一种新型的混沌BP混合学习算法

将一种新的快速BP(FBP)算法和混沌优化相结合,提出了混沌BP算法(CBP算法).FBP算法吸收了误差函数的非线性信息,大大加快了BP算法的收敛速度,但它仍然采用梯度下降法,不可避免地存在局部极小的缺陷.混沌动力学具有遍历性、随机性的特点.能在一定范围内按其自身规律不重复地遍历所有状态,将混沌优化搜索引入FBP算法中,形成一种新型的混沌BP算法.它既能较快地局部收敛,又能全局收敛,避免了陷入局部极小的可能性.CBP算法为多层前馈网络的全局性收敛学习提供了一种有效的方法.     

最优模糊神经网络参数的设计--混沌模拟退火学习法

提出了一种新型优化算法———混沌模拟退火学习法,将混沌算法和模拟退火算法相结合学习模糊神经网络的结构和参数。首先将混沌变量引入模糊神经网络参数的优化搜索中,利用混沌变量的遍历性寻优,根据性能指标寻找较优的模糊神经网络控制器,然后在混沌优化确定的网络基础上,把经混沌搜索后得到的全局次优解作为模拟退火学习算法的初始值,再用模拟退火方法进一步学习网络的隶属函数和权值参数,找到一个全局最优的网络。仿真结果表明:混沌模拟退火学习法优于传统优化方法,其控制结果具有精度高、超调小和响应快的优点,为解决模糊神经网络控制器参数全局最优设计提供了一种切实有效的方法。     

基于混沌优化的自主式小车智能控制系统研究

针对自主式小车作业过程会受到环境的影响且控制系统具有未知性、多变量、随机性和非线性的特点,将模糊控制器和模糊神经网络相结合构成双环串级的闭环形式,利用一种改进的变尺度混沌优化算法对两个控制器参数进行整定,以实现复杂系统的优化控制.该算法简单,不依赖对象的精确数学模型,避免了设计过程中大量的参数调试工作.仿真和实验结果表明:系统具有响应速度快,超调量小、跟踪性能好的特点.     

一种混沌优化的双模糊控制器--倒立摆系统的设计

将单级倒立摆的4维输出分解为2个2维模糊控制器的输入量，与倒立摆组成双闭环控制，内环调节摆杆的角度，外环控制小车的位移。采用混沌算法优化控制器的参数，首先将混沌因子引入模糊控制器参数域的优化搜索中并在全局范围内直接寻优，当获得全局近似最优解后，再缩小寻优区间，在近似最优解的附近继续寻优。时倒立摆系统在不同情况下进行仿真，结果表明；该方法能提高搜索效率，能较快搜索到全局最优解，为解决多输入快速系统的模糊控制器优化设计提供了一种较好的实现方法。     

基于EKF的永磁同步电机的磁链在线监测

在永磁同步电动机中,永磁同步电动机的性能、效率和稳定性受到永磁体磁性的直接影响．为保证永磁同步电机的高鲁棒性,需要对永磁同步电动机中的永磁体信息进行实时在线监测．本文选择旋转坐标系下的定子电流和永磁体磁链为状态变量,建立一个能够实时提供准确永磁体磁链信息的EKF（扩展卡尔曼滤波器）系统．仿真结果验证了该算法的可用性并表明EKF滤波系统能准确地在线监测出磁链信息．