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。     

一种新的交通流混沌实时判定方法

对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。由于在一个控制周期内只能获得很少量的数据,交通流时间序列的样本数受到限制,只能采用小数据量的混沌判别方法,然而单独利用改进型小数据量法判别混沌可能出现误判,因此,本文把改进型小数据量法和改进型替代数据法结合起来,既利用了小数据量法计算简单、抗噪性好、所需数据量少等优点,又利用了替代数据法的严密性避免误判。介绍了方法的原理步骤,对理论交通流和实际交通流的时间序列进行了实证研究。结果表明,该方法能对交通流混沌现象进行准确判别,并可用于实时判定。     

混沌时间序列的平均周期计算方法

在研究制造质量信息系统的混沌特性,使用小数据量法求解时间序列的Lyapunov指数时,使用文献中推荐的方法计算得到的平均周期不可信。针对这个问题,对比分析了六种平均周期计算方法,及其与时间序列长度、经过FFT变换后的幅值及功率之间的关系。在此基础上,以华南智信的日产品生产合格率数据及Lorenz系统产生的混沌时间序列为原始数据,计算这两个混沌时间序列的六个平均周期。实际生产数据与Lorenz系统数据进行对比后,发现六种平均周期对于平均周期计算来说,大小变化是一致的;再结合生产合格率数据的物理意义,对计算结果进行分析,综合前述理论分析,得到的结论是以功率加权计算得到的平均周期的在实际使用过程中有意义。     

混沌时间序列局域预测方法

在深入研究混沌时间序列局域预测方法的基础上,提出了一种加权局域基函数预测方法。该方法综合考虑了广义自由度和邻近点权重,提出了加权动态确定最邻近点数的判定条件,并利用基函数拟合确定出的最邻近点进行预测。算例分析表明,加权局域基函数法具有较高的预测精度,是比较理想的用于混沌时间序列的预测方法。     

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。     

混沌时间序列建模及预测

讨论了混沌时间序列的建模及预测方法 ,给出了各重要参数的选取算法 ,并应用于实例 ,与传统的时间序列预测方法相比较 ,取得了精度更高的预测结果 ,从而为一类非线性时间序列提供了从数据采集识别到建模预测的完整技术.     

混沌时间序列的混合遗传神经网络预测方法

在相空间重构理论的基础上,将改进的遗传算法和神经网络结合起来,提出了一种混合遗传神经网络预测混沌时问序列的方法.通过复相关法和Cao方法重构混沌时间序列,利用改进的遗传算法优化神经网络的结构、初始权值和阚值,然后训练神经网络求得最优解.该算法应用到混沌时间序列的预测中,验证了该算法的有效性,并与BP和RBF算法的预测精度进行了比较,仿真结果表明该算法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度.     

基于时间序列分析的制造质量水平变化的混沌特性

在定义了制造企业生产制造时间序列的基础上,使用G-P算法计算时间序列的关联维数。通过关联维数的计算得到相应的嵌入维数后,使用基于相空间重构的小数据量法计算混沌时间序列的Lyapunov指数。采集HZ近三年的日生产产品合格率作为研究制造质量水平变化混沌特性的原始数据。在以上技术路线及数据的基础上,得到的关联维为分数,而Lyapunov指数为正值,说明日生产产品合格率变化时间序列呈现出混沌特性。另外将以上数据分为8个时间序列,每个时间序列同样得到分数关联维数与正Lyapunov指数,说明制造质量水平的变化是一直是混沌的,为制造质量水平的预测在理论上提供了可能性。     

仿真交通流混沌特性研究

基于非线性跟驰模型建立了由五辆机动车组成的动态仿真模型,利用Matlab软件产生了五辆机动车的仿真交通流,给出了在一定参数组合下前后车辆之间的车头间距、速度差随时间变化的过程曲线.并结合实际交通系统的特点,对仿真结果做了理论分析.基于混沌时间序列分析方法,提出了证明非线性跟驰模型产生的仿真交通流具有混沌特性的一种方法,并分析了模型参数对仿真交通流动态特性的影响.该研究结果有助于进一步理解实际交通流系统的动态特性,并为短时交通流预测、诱导方法和智能交通控制提供理论依据.     

基于混沌算子网络的时间序列一步预测方法

为解决时间序列的一步预测问题,提出了一种基于混沌算子的预测网络.混沌算子具有复杂的动力学行为,根据各算子所处的不同状态,利用加权方法计算出时间序列下一时刻的预测值.根据预测值与实际值的误差,利用混沌优化方法动态地调节混沌算子的参数,逐渐提高网络的预测精度.利用该方法分别对混沌以及实际股票价格等复杂时间序列进行了仿真预测.仿真结果表明,该方法可以对具有内在确定性的系统进行有效的预测.     

基于混沌分析的道路网交通流短时预测

道路网交通流短时预测是实现智能交通控制和诱导系统的基础,本文以实时采集的交通流数据为基础,运用状态空间重构和G-P算法进行交通流短期特性研究.具体而言,通过分析交通流的混沌特性确定交通流率时间序列的嵌入维数,重构相空间,并以重构的交通流率时间序列作为输入采用Elman神经网络实现道路网多断面交通流率同时预测.研究结果表明,在道路网交通流短时预测方面Elman网络优于经典的BP网络,基于混沌时间序列分析的Elman网络不仅能够实现道路网多断面同时预测,且预测效果优于无重构的神经网络.     

基于支持向量机的交通流混沌快速识别研究

采用支持向量机研究交通流混沌的在线快速判别问题.在分析交通流控制对交通流混沌判别的要求和现有混沌判别方法存在问题的基础上,提出了基于支持向量机的在线交通流混沌快速实时判别方法,介绍了该方法的原理和实现该方法的系统结构.重点讨论了特征向量的提取和支持向量机实现在线识别的算法,给出了仿真试验结果,说明了方法的可行性与正确性.     

基于数据挖掘的交通流预测模型

通过对道路交通流变化规律和影响因素的分析,提出了一种新的交通流预测模型.首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中Pij(t)改进模糊聚类分析;然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型.对实际数据进行预测分析的结果表明:该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(雨雪天气)也有较好的预测精度.     

尖点突变理论在交通流预测中的应用

运用尖点突变理论从三维空间分析交通流三参数关系,并藉此得出我国高速公路通行能力及其速度预测值,划分稳定流和拥挤流,建立符合我国公路交通实际工况下的高速公路速度－流量模型,用实例数据验证了尖点突变理论在交通流预测中应用的可行性,最后,讨论了其应用前景和存在的问题与不足。     

换道行为对交通流宏观特性的影响

换道行为对交通流宏观特性的影响至今未得到充分认识.基于车辆行驶有限状态自动机框架,用微观仿真方法对不同交通情景下换道行为的影响进行了研究.结果表明在同质交通流中换道行为对宏观特性没有显著影响.对异质交通流,如果车辆之间存在最大速度差异,则在中低密度区换道行为能显著提高交通流量;如果车辆之间只存在加速性能差异,则换道行为对交通流宏观特性没有显著影响.说明换道行为对交通流宏观特性的影响与车辆差异性质以及交通流密度有密切关系,     

考虑交通流量的复杂网络病毒传播行为研究

研究网络交通流量对病毒传播行为的影响,基于平均场理论,提出一种新的susceptible-infected(SI)传播模型.理论分析表明,随着网络交通流量的增大,病毒在网络中的传播速率明显增加,从而显著增强了病毒爆发的危险性.研究还发现,均匀网络中病毒爆发的时间尺度与节点平均算法介数的倒数成正比;无标度网络中病毒爆发的时间尺度则正比于节点算法介数分布的1、2阶矩之比;此外,病毒在无标度网络上的传播动力学行为不具有明显的层次性,这显然与以往有关SI传播模型的研究不同.通过数值仿真对理论分析进行了验证.     

具有概念漂移的P2P网络流量识别研究

针对P2P网络流量产生过程中存在概念漂移现象,提出具有概念漂移检测功能的多分类器动态集成流量识别方案。该方案包括概念漂移检测和分类器动态集成两大模块,由卡方统计推断原理实现概念漂移检测模块功能,采用基分类器的性能优先淘汰策略进行动态集成解决流量概念漂移发生后的识别问题。在以贝叶斯分类器、支持向量机、决策树作为基分类器,针对不同集成规模、数据块大小进行仿真实验,结果证明方案是可行的,模型的识别准确率达到82%以上。     

Synchronization of chaos using radial basis functions neural networks

The Radial Basis Functions Neural Network （RBFNN） is used to establish the model of a response system through the input and output data of the system. The synchronization between a drive system and the response system can be implemented by employing the RBFNN model and state feedback control. In this case, the exact mathematical model, which is the precondition for the conventional method, is unnecessary for implementing synchronization. The effect of the model error is investigated and a corresponding theorem is developed. The effect of the parameter perturbations and the measurement noise is investigated through simulations. The simulation results under different conditions show the effectiveness of the method.     

Detection of phase randomly distributed weak transient signal using chaos

1 .INTRODUCTIONIn radar ,sonar and communication regions , we oftenmeet such question as signal detection, matchfilter isatraditional detection method,but the SNRfloorlev-el of the signal that can be detected byit is alittle be-low0 dB,high order statistics and the modern spec-trum analysis methods can reach -10 dB[1 ~3],wavelet analysis method does work when the SNRisrelatively high but can’t exceed this value either[4].In communication countermeasures , very low SNRsuch as -20 dB w…     

基于实时车流感知的端限量式单通道车辆通行控制方法

针对限量式单通道双向通行控制问题,基于GPS车流感知数据提出了一种端限量式单通道双向自适应通行控制方法。通过在单通道及两端划设扫描区、等候区、单通道内三大类区域,利用GPS定位数据实时感知分析车辆在单通道两端行驶的10种状态,构建了单通道车辆通行控制策略分析模型,对车流数据进行动态汇总和饱和度分析,然后根据"按需分配"和"端总量控制"策略提出了一种自适应双向通行信号控制策略,在此基础上研发了端限量式双向通行自适应信号控制系统.最后利用某大型露天矿单道平硐进行了实例验证,应用表明:该方法能够有效控制单通道车辆的双向限量通行,避免了车辆运输过程中的行驶冲突,减少了车辆"空等"时间和油耗,提高了单通道通行效率,大大提高了车辆的运输效率.