混沌经济时序非线性动力系统的预测方法研究

混沌经济时序的预测方法研究是混沌经济非线性动力系统的重要内容，提出了一种改进的非线性混沌经济模型，应用模型的阶数由最小嵌入维数决定的观点，给出了相应的模型参数辨识方法，并用其确立的混沌模型进行了预测工作，计算结果表明：模型参数辨识方法能迅速地将参数估计值带到多峰目标函数的全局最小值附近，然后再采用优化理论能较准确地求出模型的参数，用得到的混沌模型对系统进行预测工作，其短期预测效果良好。     

经济时序动力系统的分形及混沌特性研究

给出根据经济时序动力系统实测数据分形及混沌特性分维数的概率统计估计,算法的误差分析,相关参数对分维数计算影响程度的分析,计算中所取点数与分维数之间的的研究与计算机程序,并建议分维数、嵌入维数及计算点数的选出方法,算例表明本文建议的方法是有效的。     

交通流时间序列中混沌特性判定的替代数据方法

替代数据方法是判定时间序列中是否具有混沌特性的一种有效方法,本文介绍了该方法中一种基于关联维数的混沌判据。并将该方法应用于１５分钟和５分钟采样周期的实测交通流时间序列中,计算结果表明交通序列中含有混沌特性。     

非线性自回归时序模型研究及其预测应用

从函数逼近和系统辨识两个方面推导了非线性自回归时序模型(GNAR模型)的物理结构,通过公式推导及仿真数据研究GNAR模型与确定性实函数、经典时序模型和混沌序列的关系,明确GNAR模型对系统逼近的机理.以Lorenz系统输出的混沌序列和现代经典时序-太阳黑子序列为算例进行数据实验,证明了GNAR模型在建模和预测方面的优越性.     

混沌时序重构及上海股票指数预测的应用研究

应用非线性自相关混沌模型,采用神经网络和小波理论相结合的方法对模型参数进行辨识,其辨识的准确程度较高.通过对混沌时序进行预处理和傅立叶滤波,然后再进行重构和预测工作其效果良好;文章采用该模型对上海证券市场的600062号股票数据的开盘、最高、最低、收盘价数据进行了建模和模型中参数辨识的工作,其预测的结果比较准确.     

时序数据跨域关联可视分析

时序数据是数据挖掘的一类重要研究对象,当前的时序数据可视分析技术很少进行跨域关联,用户无法在统一视图中同时关注时空域的统计时序数据与认知域的文本主题数据的发展演化。抽象出用户基于跨域时序数据的可视分析过程,提出一种可视分析流程模型;以该模型为指导,设计了多视图协同的跨域关联可视分析工具。通过疫情时序数据和舆情文本数据的实例分析,证明了本方法可以较好的支撑用户同时关注不同域时序数据的发展演化,快速探索数据中隐含的特征信息和时空变化规律。     

时序立体数据多元线性回归建模方法

在信息技术快速发展的今天,数据形式的多样性使得对问题和现象的研究不再局限于单纯利用截面数据或时间序列数据进行分析,而是从多角度、多维度等方面对这些自然问题、经济问题和社会问题进行深入的分析和探讨。本文所研究的是一种由截面数据和时间序列数据共同组成的具有立体结构的三维数组,即时序立体数据,并以定义的点积和常数型均值为基础,试图从理论上推导出时序立体数据的回归模型。同时,以我国现代服务业的实际数据进行相应的实证分析。     

基于改进型替代数据法的实测交通流的混沌判别

通过对实测交通流进行混沌判别，可以为实际交通流的预测和控制提供理论指导。改进型替代数据法是准确判定时间序列是否具有混沌特性的一种有效方法，该算法不仅能够很好地重构原始时间序列的特性，并且能够避免直接识别混沌方法的局限性。本文以关联维数作为混沌判据，应用改进型替代数据法对微观实测交通流的时间序列进行了混沌判别。实证结果表明，我们实测的交通流中存在混沌，改进型的替代数据法能对其进行准确判别。     

汽车非线性悬架动态特性研究

文中详细研究了非线性弹簧汽车悬架系统的动态特性,主要从理论上分析了变刚度弹簧代替定常刚度弹簧后悬架的动态特性,探讨了用小参数动法研究分析非线性系统响应特性的有效性;同时将结果与数值仿真研究结果进行了比较,研究结果表明,用小参数摄动法可以得到系统周期激励了响应的近似解析解,为分析悬架系统动态性提供了一有效的方法,同时也为悬架设计提供了理论依据。     

甘肃河西绿洲灌区农作物生育期降雨量的模拟分析

利用张掖市1981-1990年期间农作物生育期内降雨量的观测数据,建立了相应的模拟模型。具体的研究方法是采用五点三次平滑方法,对原始数据进行平滑处理,在此基础之上,再利用高斯函数模拟该地区农作物生育期内的降雨量。从对模拟结果的方差分析看,利用平滑方法对数据进行改造,由于消除了数据随机误差产生的影响,提高了数据的质量,从而使得模拟结果的精度有了进一步的提高,为合理开发和有效利用水资源、建立精确灌溉决策支持系统奠定了基础。     

Learning Granger causality graphs for multivariate nonlinear time series

An information theory method is proposed to test the. Granger causality and contemporaneous conditional independence in Granger causality graph models. In the graphs, the vertex set denotes the component series of the multivariate time series, and the directed edges denote causal dependence, while the undirected edges reflect the instantaneous dependence. The presence of the edges is measured by a statistics based on conditional mutual information and tested by a permutation procedure. Furthermore, for the existed relations, a statistics based on the difference between general conditional mutual information and linear conditional mutual information is proposed to test the nonlinearity. The significance of the nonlinear test statistics is determined by a bootstrap method based on surrogate data. We investigate the finite sample behavior of the procedure through simulation time series with different dependence structures, including linear and nonlinear relations.     

一种时间序列表示算法及其在聚类中的应用

时间序列数据量远远大于普通数据库的特点,导致一些通用的数据挖掘工具直接应用于时间序列效果很不理想。为此提出了一种时间序列分段线性化表示算法,这种表示方法将大大提高相似性测量的计算速度。在分段线性化表示的基础上提出了一种相似性计算方法,该方法对于时间序列的多种变形都不敏感。将k-平均(k-mean)聚类算法应用于分段线性化表示的时间序列,聚类结果表明算法非常有效。     

基于冗余的时间序列非线性特性的判定

考虑到常用的替代数据法进行非线性判定存在缺陷，研究了基于信息理论冗余概念的非线性判定方法，在Renyi α熵定义的基础上，推导了计算冗余的一般公式，即用相应的关联积分表示冗余，文中应用实例表明；相对于传统的空间划分或盒内计数方法计算冗余，用关联积分计算冗余显得更自然，更易实施。     

东盟五国汇率序列的非线性检验

使用来自物理学领域的一种新方法检验了亚洲东盟五国美元日汇率数据的非线性性,并结合替代数据分析检验了统计结果的有效性.同时利用该方法检验了日元以及英镑的美元日汇率数据,与文献中现有的研究结果进行了比较.最后将检验结果与产生于著名的Lorenz模型数据的情形进行了比较.上述结果都表明该方法有效地检验出了亚洲东盟五国美元日汇率数据的非线性存在性.     

多个动态序列之间非线性相关性度量方法

动态序列相关性推断是处理多维序列经济预测建模中变量选择问题的重要方法之一.本文把状态空间重构意义下相关维数计算方法推广到任意多个观测变量情形,定义了多个序列非线性相关度的概念,并讨论了计算方法的量纲稳定性.利用Lorenz系统进行仿真,并以中房综合指数上海、北京、广州数据作为应用实例进行非线性相关性推断,数据结果说明方法可行.     

Research on time series mining based on shape concept time warping

Time series is an important kind of complex data, while a growing attention has been paid to mining time series knowledge recently. Typically Euclidean distance measure is used for comparing time series. However, it may be a brittle distance measure because of less robustness. Dynamic time warp is a pattern matching algorithm based on nonlinear dynamic programming technique, however it is computationally expensive and suffered from the local shape variance. A modification algorithm named by shape DTW is presented, which uses linguistic variable concept to describe the slope feather of time series. The concept tree is developed by cloud models theory which integrates randomness and probability of uncertainty, so that it makes conversion between qualitative and quantitive knowledge. Experiments about cluster analysis on the basis of this algorithm, compared with Euclidean measure, are implemented on synthetic control chart time series. The results show that this method has strong robustness to loss of feature data due to piecewise segment preprocessing. Moreover, after the construction of shape concept tree, we can discovery knowledge of time series on different time granularity.     

基于独立成分分析的时间序列谱聚类方法

为了对时间序列数据进行聚类分析, 提出了一种基于独立成分分析的时间序列多路归一化割谱聚类方法, 并给出了利用独立成分分析对时间序列数据进行特征提取和降维的理论解释. 该方法首先利用独立成分分析对时间序列数据进行特征提取, 然后利用多路归一化割谱聚类方法完成对时间序列特征数据的聚类分析, 从而得到了一种新的基于特征的时间序列聚类方法. 为了验证该方法的可行性和有效性, 将其应用于仿真时间序列数据和实际的股票时间序列数据聚类分析中, 取得了较好的数值结果.     

证券市场的非线性和确定性检验

以上海证券市场综合指数、香港恒生指数、台湾加权指数和美国标准普尔500指数为研究对象,对这些时间序列进行平稳化处理,对处理后的数据利用R/S分析法、BDS法和替代数据法进行了非线性检验,得到4个证券市场时间序列的波动呈非线性性的结论。进一步利用递归图方法从定性的角度和利用非线性不变量从定量的角度对4个证券市场时间序列的确定性进行了相应的分析,得出它们具有一定的确定性结论。     

基于小波分析的非平稳时间序列分析与预测

提出了基于小波变换的非平衡时间序列分析预测方法。通过小波分解,将原时间序列依尺度分解成不同层次,使趋势项、周期项和随机项分离,对每一层进行分析与预测,最后再合成得到了原时间序列的预测值。实例验证了该方法是可行的。     

基于暂态挖掘的非线性时间序列故障预报

针对实际工程系统故障建模困难、现有故障预报方法实时性差的问题.从一类挖掘的角度,设计了一种基于一类支持向量机的时间序列暂态挖掘算法,提出了一种既不需要系统近似模型也不需要故障训练数据和先验知识的直接故障预报方法.在系统运行的同时实现学习和预报.提高了实时性.同时该方法简单易用,克服了传统方法在预报故障前需要预测系统未来状态的缺点.具有很强的应用意义.以釜式反应嚣为对象进行的仿真实验证明了方法的有效性.