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。     

金沙江流域月径流时间序列的混沌分析

在介绍重构相空间技术的主要定量指标(关联维数D2和柯尔莫奇诺夫熵)的基础上,以长江上游金沙江流域小黄瓜园站和蔡家村站的月径流时间序列为例详细说明了求取时间序列中的混沌特征数的方法;并且采用主分量分析(PCA分布)方法进一步验证了两个站的径流序列具有混沌特性.得到金沙江流域径流序列的预测年限不应超过7～9个月,为金沙江流域径流预测提供了科学的依据.     

一种无限折叠混沌映射及其量化序列

研究了有限区间内具有无限折叠的一维偶对称混沌映射及其所产生的量化序列的统计特性．理论分析和仿真检验证实，该映射具有比传统有限折叠映射大的李亚普诺夫指数(LE)、二值自相关、均匀的不变分布等性质，相应的量化序列的分布特性由混沌映射和量化器的参数决定．选择适当的参数可使量化序列接近于独立同分布序列，是构造扩谱序列和密钥流序列的理想候选．     

混沌时间序列相空间重构参数的选取方法

对混沌时间序列相空间重构中最佳延迟时间间隔和嵌入维数的选取方法作了综述,提出了同时考虑这2个参数选取的重构展开－虚假邻点法以及预测误差最小法,并以Lorenz系统为例作了验证。     

长江日径流序列的多重分形性质研究

讨论了长江宜昌站1950年至1999年日径流时间序列的多重分形性质,计算了50年日径流时间序列和每一年日径流时间序列的质量指数τ(q)、广义分形维数Dq、奇异性指数α和多重分形谱f(α).结果表明,不论是长期(50年)还是短期(1年),长江日径流序列均具有明显的多重分形性质.这对研究长江日径流的非线性性质提供了重要的理论基础.     

基于改进RBF神经网络的混沌时间序列预测

基于RBF神经网络与相空间重构理论,对网络预测模型进行改进,并以Lorenz动力系统产生的混沌时间序列作为研究对象,建立预测模型并对其进行数值仿真.实验结果表明,基于改进RBF神经网络与相空间重构理论的混沌时间序列预测方法比BP、RBF神经网络模型的预测精度高、误差小、性能优越,改进方法可行、有效.     

脑电信号的非线性动力学分析

基于脑电信号的非线性特征,利用LILEY脑电信号动力学模型计算了相关维数和李亚普诺夫指数.计算结果表明,当改变兴奋性神经元集群的兴奋性输入参数时,该EEG模型具有极限环、倍周期分岔、混沌等复杂的动力学行为,得出混沌存在于EEG模型中的结论.     

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.     

基于时序的李亚普诺夫指数谱的计算

讨论了系统模型未知时李亚普诺夫指数谱的计算问题。在已知单个时序的条件下，利用非线性回归方法得到了一个与已知系统同构的系统，设计了一种估计系统参数的稳健的递推算法，以此实现李亚谱诺夫指数谱的计算，数值结果证明了这种方法的可行性。     

混沌预测技术在径流预报中的应用

以多条河流的径流时间序列为例详细分析了基于混沌力学的局部预测方法，并与全局方法和基于随机理论的ＡＲ模型等预测方法进行了对比。结果表明，局部预测方法往往优于其他预测方法。     

心磁和心电信号的混沌时间序列分析

计算了一组心磁和心电检测信号的关联维数和最大李亚普诺夫(Lyapunov)指数.心磁和心电信号的关联维数分别在2.28±0.27和1.12±0.13范围内,最大Lyapunov指数分别在0.68±0.12和0.32±0.04范围内.对其它4组数据中心测点的计算结果也说明心磁和心电信号具有混沌特性.此外,结果显示心磁边缘测点的混沌吸引子与中心部分有明显差别,可用于分析信号的有效检测范围.     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

投资时间序列的混沌分维研究

以某市固定资产投资同比增长数据为根据,利用混沌动力学中的相空间重构技术、幅值谱分析、庞加莱截面等方法进行分析,并计算其关联分维,得出其饱和嵌入维数为5、关联分维约为17,初步确定某市固定资产投资增长过程具有混沌特性,有5个因素影响着某市固定资产投资的同比增长幅度,其中2个因素起决定作用·该法可用于复杂的经济系统的分析研究·     

炼铜转炉粗铜成分混沌时间序列的软测量模型及应用

将转炉产粗铜成分的以往化验数据作为二次变量,化验数据严重滞后的当前炉次粗铜成分作为主导变量,并以延迟时间T=2（炉次）将转炉粗铜成分时间序列分成两个子时间序列,采用重构相空间理论、最大Lyapunov指数方法和样本及时更新的办法,建立了一种仅对当前炉次的炼铜转炉粗铜成分进行软测量的混沌时间序列软测量模型．实验结果表明,该软测量模型能快速得出转炉当前炉次的粗铜成分数据,具有很高的精度．     

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     

基于小波消噪和混沌时间序列的交通流预测研究

基于实际交通流变化的不确定性和交通系统时变复杂的特征,应用小波分析理论,对原始交通流数据进行消噪处理,使消噪后的数据更能反映交通流的本质及变化规律。再针对交通流的非线性特征及其短期可预测性,应用混沌时间序列预测模型来预测短时交通量。结果表明:先进行小波消噪再进行预测所得的结果与实测值有更高的拟合度,可以用于短时交通流的预测。     

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。     

一个激光振荡输出系统的混沌特征量

用数值计算方法求得文献〔１〕提出的激光振荡输出系统的Ｌｙａｐｕｎｏｖ指数及相关维数，并揭示了混沌区内的无穷嵌套自相似结构。