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.     

电力负荷的混沌预测方法

借助混沌分析理论介绍了电力负荷时间序列的混沌性识别技术,给出了一种基于混沌负荷序列的预测方法--基于相空间轨迹演化模式的预报模型,该方法具有预测精度高、计算速度快的优点,在短期负荷预测中可获得相当满意的结果.     

基于混沌动力学的日径流时间序列预测

介绍了探求时间序列中的混沌特征数的常规方法,给出一种基于混沌理论的预测算法,并以葛洲坝隔河岩水库的入库日径流序列为例检验了这一方法,其预测效果令人满意。     

电力负荷的混沌预测方法

借助混沌分析理论介绍了电力负荷时间序列的混沌性识别技术,给出了一种基于混沌负荷序列的预测方法－基于相空间轨迹演化模式的预报模型。该方法具有预测精度高、计算速度快的优点,在短期负荷预测中可获得相当满意的结果。     

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。     

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。     

基于递归网络的混沌时间序列预测

为了能对时问序列充分建模,从混沌的慨念入手,将混沌与神经网络相结合,利用人工神经网络的拟合特性,提出了递归网络的混沌时间序列预测方法。给出了递归神经网络预测的基本理论、数学模型、及具体步骤,并通过由杜芬方程所产生的混沌时间序列对该神经网络进行了模拟实验。仿真结果表明,该方法远好于前馈网络的预测效果,其预测误差在10^-15的数量级上。     

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.     

短期负荷概率性预测的混沌时间序列方法

提出了一种基于混沌时间序列的短期负荷概率性预测方法.该方法采用混沌时间序列预测得到确定性预测结果,进而计算局部预测方差,并根据不同置信水平下的历史预测误差样本的双侧分位数估计值,构造概率性预测区间,实现短期负荷的概率性预测.采用北方某电网负荷数据进行了实验,验证了该方法的可行性与有效性.     

炼铁生产入炉焦化等指标的时间序列预测方法

研究了生产过程的时间序列预测方法 ,并对某厂炼铁生产的入炉焦比等指标进行预测 ,得到了较好的结果 .文中阐述的基于BP神经网络的混沌时间序列预测方法 ,Box_Jenkins的自回归移动平均模型方法和混沌预测方法既有理论意义 ,也有实用价值     

基于增量谐波平衡法的Mathieu-Duffing振子分岔及通往混沌道路分析

提出了一种分析非线性系统分岔及通往混沌道路的新方法,以增量谐波平衡法为基础,求得特定参数状态下的周期解;根据Floquet理论,判定周期解的稳定性,分析周期解的分岔类型及参数的分岔值。求得分岔值后,根据周期解的分岔类型,构造下一级分岔周期解的谐波函数,计算下一级的分岔点。重复上述过程,可获得周期解分岔的一系列临界值及混沌产生的近似阈值。通过该方法,可以了解动力系统混沌产生的分岔过程。应用该法分析了Mathieu-Duffing振子的倍周期分岔,得到其周期倍化的系列分岔点及混沌产生的近似阈值,所得结果与数值模拟基本一致。     

串联型罗仑兹混沌遮掩保密通信电路

设计了一种串联型罗仑兹混沌数字信号保密通信电路系统.该系统利用串联同步罗仑兹混沌电路进行信号混沌遮掩保密通信,在发送端和接收端之间只需传送一个叠加有传送信息的混沌信号即可实现高质量保密传送信息.模拟实验表明,在一定条件下传送数字信号时接收端可无失真地恢复所传信号.     

核态沸腾中汽化核心处温度时间序列的非线性分析

对典型核态沸腾传热实验中不同热流密度下汽化核心处的温度时间序列,进行了非线性研究.重建了这些温度时间序列对应的三维吸引子,从三维吸引子中求出了关联维数,并从不同热流密度下的温度时间序列中计算了其相应的最大李亚普诺夫指数.计算结果表明,汽化核心处的温度时间序列具有混沌的特征.     

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.     

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.     

基于替代数据法的齿轮信号的混沌识别

替代数据法是准确判定时间序列是否具有混沌特征的一种有效方法,该方法不仅能很好地重构原始时间序列的特性,而且能避免直接识别混沌方法的局限性.应用替代数据法,以关联维数作为混沌判据,对故障齿轮信号进行了混沌特性判别.结果表明,齿轮故障信号存在混沌特征,替代数据法能对其进行准确识别.     

热虹吸振荡传热过程非线性特征分析

采用Wolf算法编制相应的计算机程序,对由热虹吸传热实验获得的时间序列数据进行了处理。所提取系统的最大Lyapunov指数,定量描述了传热过程的复杂性和非线性特征,是判断热虹吸传热进入混沌的重要准则,也是实现对热虹吸传热过程混沌进行预测和控制的必要参数。最大Lyapunov指数作为定量描述热虹吸传热过程混沌的重要参数,可以更加客观地反映系统内在的非线性本质特征。     

应用Elman神经网络的混沌时间序列预测

利用改进的 Elman神经网络对 3个典型的混沌时间序列在不同的噪声水平下进行预测 ,探讨了神经网络学习与泛化之间的关系 ,通过试凑法给出了 Elman最优的隐节点个数。并利用3种指标对预测结果进行了评估 ,结果显示 Elman网络对混沌时间序列预测的良好特性