短角幽天牛成虫林间种群数量的混沌特性

根据混沌理论,分别采用功率谱分析法、关联维数和嵌入维数、最大Lyapunov指数和主分量分析法识别短角幽天牛成虫林间种群数量序列的混沌特性,将短角幽天牛成虫林间种群数量的一维时间序列拓展到多维相空间中去,得出主要的混沌特性指标.研究表明:不同的混沌判定方法结果均显示短角幽天牛林间种群数量序列具有混沌特征,属于混沌时间序列;在拓展的多维相空间中存在吸引子,并具有分维结构,当延迟时间 T=2、嵌入维数m=12时,对应的相空间中关联维数D=3.260 9,最大Lyapunov指数λ1=0.288 6.因此,短角幽天牛成虫林间种群数量一维时间序列存在混沌特性,可以用重构相空间方法对其进行预测.     

东江流域降水时间序列的混沌特征分析

以广东省东江流域月降雨序列为例,在介绍相空间重构原理的基础上,探讨了混沌分析的主要定量指标:饱和关联维数D2和最大Lyapunov指数λ。得到该时间序列的饱和关联维数D2=3.93,最小嵌入维数m=8,最佳嵌入滞时τ=3个月,最大Lyapunov指数λ=0.253。并且采用主分量方法进一步验证了该序列具有混沌特性,指出该序列的预测时限不应超过4个月,对此结论则用ARMA(p,q)模型作了验证,为东江流域月降雨预测提供了较为科学的依据。     

非线性时间序列的相空间重构参数估计的新算法

针对混沌理论中非线性时间序列相空间重构的理论和方法,提出一种估计嵌入维数和延迟时间的新算法,采用矢量空间平均位移法确定延迟时间;基于混沌吸引子上邻近点之间距离随着时间增加最终趋于饱和的特性,估算非线性时间序列相空间重构的嵌入维数. 实例表明,该算法可以有效估计非线性时间序列的相空间重构参数.     

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.     

一个经济时间序列的混沌特性研究

为了找出经济波动的内在动态特征,采用非线性的分析方法探讨了某市用电量波动中存在混沌动态特性的可能性.以实测经济时间序列为研究对象,以某市近年来的实际用电量数据为基础,利用相空间重构技术、幅值谱分析、庞加莱截面等方法分析其内在特性,并计算其关联分维,得出其饱和嵌入维数为7,关联分维约为0.834,初步判定该市用电量是混沌的.从理论上证明了该市用电负荷具有严格混沌动态特性,从而为今后的深入预测研究提供了混沌理论基础.     

探求纱条不匀序列中的混沌现象

在对纱条不匀序列进行相空间重构的基础上,通过G-P算法,分析了关联维数的饱和特性,得到其吸引子的分数维,其次又采用了PCA分布法对其进行确认,结果表明在所分析的棉条不匀序列中,存在混沌现象.这为进一步应用混沌理论对纱条不匀进行分析和建模奠定了理论基础.     

风电场风速时间序列的复杂动力学特性分析

利用混沌理论对风电场风速数据进行了相空间重构,首先由C-C方法计算出嵌入维数和延迟时间,然后采用G-P算法计算出吸引子关联维数,最后用小数据量改进算法得出风速时间序列的最大Lyapunov指数,由计算结果发现风电场风速时间序列具有混沌特性,为利用混沌预测方法进一步提高风速预测精度提供参考.     

多变量时间序列复杂系统的相空间重构

根据单变量时间序列相空间重构思想 ,提出了多变量时间序列描述的复杂系统的相空间延迟重构方法 .对每一分量的时间序列 ,分别利用互信息最小法确定最佳延迟时间间隔 ,最小嵌入维数的选取方法是单变量时间序列情况下虚假邻点法的推广 .给出了q阶广义关联积分和q阶广义关联维数的计算公式 ,并证明了广义关联维数与所用范数无关 .计算了Lorenz系统按前 2个变量进行重构时的最佳延迟时间间隔和最小嵌入维数 .计算结果表明 ,用多变量时间序列重构比用单变量时间序列重构所需的数据长度要短得多且在方法上更有效     

福州市区降雨序列多时间尺度的混沌特征

利用多时间尺度(Δt=1,2,3,6月)对福州市区近60 a来降雨序列进行混沌分析,以相空间重构、相空间嵌入维数m、饱和关联维数D2、饱和关联维数D2与相空间嵌入维数m的比值和最大Lyapunov指数λ等参数揭示了福州市区降雨序列的混沌特征.结果表明:各种时间尺度的相空间重构m都为8、饱和关联维数D2分别为3.19,3.24,3.15和3.13,D2/m分别为0.400,0.405,0.394和0.391,最大Lyapunov数λ分别为0.33,0.50,0.34和0.25,体现了各种时间尺度下福州市降雨量存在着混沌现象;通过对比分析,得出以Δt=6时的时间尺度分析降雨序列的混沌特征较好.     

基于关联维的联合站月输量时间序列混沌特征识别

联合站输量受单井生产动态、前级运行效率、自身处理能力等多因素的影响,且输量变化一般具有高度的非线性.混沌对确定性系统的伪随机性,探索联合站输量时间序列是否具有混沌特征具有积极的意义.在相空间重构基础上,采用G-P算法提取中原油田某联合站60个月的月输量时间序列的关联维.研究发现,联合站输量时间序列饱和嵌入维和吸引子分数维分别为9和8.44,表明该联合站月输量变化具有混沌特征且该联合站系统模型化研究所需的最小变量数目为9,为系统数理模型建立,特别是人工神经网络预测模型的输入层节点数设置提供了参考.     

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。     

关于G-P算法计算混沌关联维的讨论

关联维是描述混沌系统的一个重要的特征不变量,而G-P算法是目前计算关联维数的一个主要的算法,但是在使用G-P算法时,由于许多参量的选取存在很大的主观性,不同的选取会得到不同的结果,这个问题以前一直没有得到较好的解决。以具有解析结果Lorenz系统进行实例分析,指出采用G-P算法计算关联维数时,应对相关参数进行慎重和细致的选取,否则得出的结论将缺乏说服力。研究结果表明,不同的范数选取对关联维的计算影响很小、时间序列数据量大小的选取应以能够获得稳定的分数维为准则、重构相空间嵌入维数不能随意指定,但也不是越大越好,对Lorenz系统而言最大取到10较为合适。     

时延法相空间重构双参数联合估计方法研究

重构相空间对于研究混沌时间序列有着重要的理论与现实意义,目前采用的分别估计嵌入时延和最小嵌入维数的技术路线,割裂了这两个参数所具有的天然联系.为此提出时延法重构相空间的双重构参数联合估计方法,根据两个重构参数的取值标准,利用迭代的方法,同步估计出时延法重构相空间双参数.应用所提出的方法,分别对高斯白噪声和Lorenz系统两个时间序列进行了数值验证,分析表明计算结果是可信的,可以应用于时间序列的相空间重构.     

基于三阶累积量的自适应多变量相空间重构

利用三阶累积量反映多变量序列的高阶非线性相关性,建立了一种具有良好抗噪性的多变量相空间重构方法.将三阶累积量引入到序列局部本征维数(LID)的计算中,对不同相空间点构造新的三阶累积量相关矩阵;同时建立累积量切片评价函数,通过比较得到了对噪声及嵌入维数等重构参数变化鲁棒性强的累积量切片,然后确定序列的嵌入维数、嵌入延迟,重构多元变量相空间.仿真结果表明,建立的新方法对带噪声混沌序列具有较好的鲁棒性,多元变量奇异吸引子轨迹在重构相空间中得到了良好扩展.
     

交通流的混沌特性分析及其预测

实时准确的短时交通流预测是智能交通系统中实现交通控制和诱导的关键技术之一.首先,采用饱和关联维数法和互信息量法对交通流时间序列的嵌入维数和延迟时间进行计算,并根据计算结果对交通流时间序列进行相空间重构;然后,采用wolf方法计算其最大Lyapunov指数,并对其进行功率谱分析,结果表明,交通流时间序列具有噪声;最后,分别采用基于BP神经网络和RBF神经网络的预测模型对交通流时间序列进行预测,结果表明,2种模型对短时交通流均能较好预测,但后者的预测精度较高,预测速度较快.嵌入维数;延迟时间;相空间重构;BP神经网络;RBF神经网络     

非线性时间序列的最优相关维数估计

提出以能量谱中的截断频率之倒数作为相空间重构过程中的窗长，在窗长固定情况下，利用奇异值分解算法确定嵌入维数和时间延迟两个参数，克服了不考虑窗长单独选择嵌入维数和时间延迟造成的相关维数收敛性差的缺点，大大提高了计算效率。采用迭代奇异值分解算法对含噪声的信号进行降噪，降低了噪声对相关维数计算结果的影响，从而提高了计算结果的可靠性。     

空中目标信号相空间重构方法研究

为提取空中目标辐射噪声非线性和混沌特征,需要对目标信号作非线性时间序列分析,其第一步则是相空间的重构,基于Takens定理进行相空间重构前必须先确定重构相空间的时滞和嵌入维数两个重要参数。分别采用互信息方法确定重构最佳时延和关联积分法确定重构嵌入维数。分别以经典混沌信号和实测目标噪声数据为研究对象进行计算仿真,结果证明了该方法选择地参数进行相空间重构的有效性与准确性,重构的相空间能很好反应原混沌系统的特性,为下一步分析提取目标非线性特征奠定了良好的基础。     

基于径向基函数网络的混沌时间序列分析

给出了基于径向基函数网络的混沌时间序列预测的方法。利用非线性自回归移动平均（ＮＡＲＭＡＸ）模型对非线性时间序列进行辨识并给出基于动态径向基函数（ＲＢＦ）网络的辨识算法。将这一方法应用到Ｈｅｎｏｎ映射的混沌时间序列的嵌入维估计及我国股票市场的混沌现象的实证研究,得到理想的结果。文章最后指出了进一步的研究方向。