滑坡预测的非线性混沌模型

根据滑坡位移时间序列的非线性性质,应用混沌时间序列预测方法,建立滑坡预测的非线性混沌模型。在此基础上,介绍了加权一阶局域算法,并用这种算法对清江茅坪滑坡实际位移监测数据进行预测计算。结果表明,这种建立在非线性混沌模型基础上的方法不仅预测精度高,而且计算量小,相对容易操作,从而为滑坡位移提供了一种新的预测方法。

加权一阶局域法在电力系统短期负荷预测中的应用

在混沌时间序列的基础上提出加权一阶局域法 ,并将其应用于电力系统历史负荷数据序列进行预测 .通过对华东某电网实际负荷数据进行预测 ,结果令人满意 .

基于混沌时间序列局域法的短时交通流预测

为提高城市短时交通流预测精度,将混沌时间序列分析应用于城市短时交通流数据,研究混沌时间序列局域预测法中的加权零阶局域法和加权一阶局域法。针对局域预测法在选取邻近相点时采用的欧氏距离和向量夹角两种方法只能片面反映邻近点的特点的问题,提出一种改进邻近相点选取的方法,综合相点相似程度和相点距离来选取邻近相点。再将原有方法和改进后的方法应用于北京市短时交通流预测中。结果表明,混沌时间序列局域法能适用于短时交通流预测,并且改进后的方法比原有方法具有更高的预测精度。

基于改进加权一阶局域预测模型的短期负荷预测方法研究

针对混沌一阶局域预测模型中欧氏距离不能反映相空间中相点间的相关性大小,提出一种改进加权一阶局域预测模型。该模型将相点间的关联度和欧氏距离以加权值形式作用于一阶线性回归方程,综合考虑了最邻近点对预测中心点的邻近效应以及最邻近点与预测中心点的相关性,克服了常规一阶局域预测法存在的不足。通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。

用于混沌时间序列预测的分维指数加权一阶局域算法

提出分维指数加权一阶局域算法。该算法用最大Lyapunov指数和重构相点各分量所对应的延迟时间的乘积作为幂,构造一个指数形式的衰减因子,对加权一阶局域法的向量距离公式进行修正。修正后的距离公式不仅体现了各相点与中心点的相关性,还表示了相点各分量与中心点第一分量的关联程度。利用该算法对Logistic混沌时间序列进行预测的结果表明,相对于现有算法,本文所提算法明显提高了预测精度,而且序列的混沌性愈强,嵌入维数愈大,改进效果愈明显。

基于改进加权一阶局域法的空中交通流量预测模型

空中交通流量精准预测是实施空中交通控制和管理的重要前提.针对空中交通流量时间序列的内在混沌动力特性,研究了基于改进加权一阶局域法的混沌交通流量时间序列预测模型.首先,提出了一种临近相点演化加权的改进一阶局域预测法,并通过在预测过程中构建误差序列进行预测结果修正;其次,利用关联维数出现饱和现象验证了4组不同统计时间间隔的实测空中交通流量时间序列均存在混沌特性;最后,在对空中交通流量时间序列进行相空间重构的基础上,利用改进加权一阶局域预测方法进行了流量预测结果的对比实验.结果表明,4组空中交通流量时间序列预测精度均有提高,时间尺度为10 min的流量预测效果最好,预测相对误差减小了29.7%.

基于关联度的混沌序列局域加权线性回归预测法

分析了基于欧氏距离局域预测法存在的缺点,在此基础上提出了一种基于关联度的局域加权线性回归预测法。该方法以关联度代替欧氏距离作为判别不同相点间相关性的准则,并将相点间的相关性大小通过“加权”的方式作用于混沌序列预测模型,从而克服了局域线性回归预测法的缺点。首先对新方法的原理及其合理性进行了系统阐述;然后推导了其算法过程;最后将该方法应用于电力系统短期负荷的预测中,得到了理想的预测结果。通过分析和比较,验证了所提方法的有效性。

混沌时间序列改进的加权一阶局域预测法

加权一阶局域预测法是目前最常用的一种混沌时间序列预测方法。基于延迟坐标相空间重构理论,提出了混沌时间序列改进的加权一阶局域预测法。仿真结果表明该方法的多步预测性能与一步预测性能明显好于加权一阶局域预测法的多步预测性能与一步预测性能。

运用趋势混沌预测模型预测硫化矿石堆自热升温过程

为准确预测硫化矿石堆自热过程中的温度变化,根据硫化矿石堆的氧化升温特征建立温度趋势预测模型,在对趋势预测结果的差值序列进行混沌识别后,采用加权一阶局域法建立混沌预测模型。再将两者叠加构成趋势-混沌组合预测模型,并应用该模型对模拟矿石堆温度进行预测。研究结果表明:硫化矿石堆温度与时间的关系符合指数模型特征,利用此模型可对矿石堆温度变化趋势进行预测;趋势预测差值序列的关联维数为分数,Kolmogorov熵大于0,表明趋势预测差值序列中含有混沌项,可对其进行混沌预测;预测结果证实趋势-混沌组合预测模型具有很高的预测精度,能够很好地适用于硫化矿石堆自燃火灾的早期预测。

混沌时间序列在边坡位移预测中的应用

根据非线性边坡位移时间序列,运用相空间重构理论,建立了加权一阶局域法边坡位移预测模型、基于Lyapunov指数的边坡位移预测模型、基于神经网络的混沌时间序列边坡位移预测模型,对比分析了三个预测模型的特点。新龙寺滑坡预测研究表明,基于混沌时间序列预测方法具有很好的预测精度和广泛的适应性。

“负荷趋势+混沌”预测法的改进

"负荷趋势+混沌"预测法,将负荷拆分成"负荷趋势"和"混沌"部分。但其在分离负荷趋势部分时提取过量,混沌预测模型存在累积误差。针对这些问题文中根据周期与混沌的频谱特性,通过快速傅里叶变换确定周期分离的量;根据邻近点是否是预测值,对加权一阶局域法多步预测的邻近点权重增加因子进行修正;同时对剩余负荷为随机噪声的情况进行了处理。通过对海南地区负荷进行预测,验证了改进后的方法在预测精度方面有明显提高。

混沌时间序列预测的改进型加权一阶局域法

提出了一种用于混沌时间序列预测的改进型加权一阶局域法。用衰减系数对分维指数加权一阶局域法的向量距离公式进行修正,调节邻近点与中心点的相关性,也调节了同一邻近点的各个分量和中心点的最后一个分量的关联程度。利用该方法对Logistic混沌时间序列进行预测的结果表明,衰减系数取最佳值时,相对于现有算法,该方法可以更精确地预测混沌时间序列。

基于K-Means聚类的瓦斯浓度预测

提出一种基于K-Means聚类的非线性时间序列预测模型。利用混沌时间序列短期可以预测的特点,对选取的某两处煤矿构建了瓦斯浓度预测模型。采用关联积分方法确定相空间时间延迟τ和相空间嵌入维数m。然后在重构相空间中,运用基于K-Means聚类的加权一阶局域法构建煤矿瓦斯浓度的预测模型。结果表明:在预测间隔1 min的数据时,使用200个连续的数据进行训练,预测效果较好,误差达到最小值0.0341;在预测间隔多分钟的数据时,使用200个15 min间隔的数据进行训练,预测效果较好,误差达到最小值0.0437,可见该瓦斯浓度时序在间隔15 min后又恢复了初始的混沌性。

瓦斯异常涌出混沌时间序列预测模型的建立

运用混沌理论对平煤十矿的实际瓦斯涌出数据进行了分析处理,采用基于关联积分的C-C方法确定了重构空间的时间延迟和嵌入维数,并对时间序列数据进行相空间重构,利用最小数据量法确定了时间序列的最大Lyapunov指数;运用混沌理论加权一阶局域预测方法,建立了混沌时间序列瓦斯异常涌出预测模型;并利用平煤十矿己15-24080掘进工作面31d的瓦斯实际浓度数据对该模型进行了预测效果检验。结果表明:时间序列的最大Lyapunov指数大于零,证明了时间序列数据具有混沌特征;模型中瓦斯异常涌出的预测发生时间和实际发生时间比较吻合,预测精度达93%。预测模型的可靠性为制定煤矿瓦斯防治措施和采取安全防护措施提供了理论依据。

基于多变量加权一阶局域混沌预测模型优化及应用

鉴于实际应用中多变量因素对混沌预测的影响,提出了多变量时间序列相空间重构方法,以此为基础建立多变量加权一阶局域混沌预测模型。引入等概率符号化极大联合熵求取延迟时间、最小香农熵法求取嵌入维数,实现多变量混沌预测模型子序列重构;对实际序列采用区间邻近点法确定预测中心点的邻近点,避免产生伪邻近点;最后用关联分析确定观测变量。将该模型应用于短期电力负荷预测,分析气温等影响因素与电力负荷的相关程度,引入气温时间序列作为另一观测变量,实验证明相对于单变量预测方法提高了预测精度。

基于EMD与加权一阶局域法变压器振动信号预测

针对变压器振动信号呈现非平稳、非线性的特点,提出将经验模式分解(EMD)与加权一阶局域法相结合,实现对变压器振动信号的趋势预测。首先,将现场采集到的振动信号进行经验模式分解,然后应用相空间重构理论,确定合适的时间延迟和嵌入维数对各固有模式函数进行相空间重构。随后采用加权一阶局域法对振动信号各分量进行预测、合并。实验结果表明,该方法能够准确预测变压器振动信号变化趋势,可对变压器运行状态进行有效的监测。

基于多种度量的电离层TEC混沌预测分析

利用东经120°,北纬45°上空的2008年年积日101～150d时间段内共600个电离层格网TEC数据为时间序列样本,分析了该点上空电离层TEC参数的混沌特性,发现其关联维数为2.2632,嵌入维数为5,最大Lyapunov指数为λ=0.0833,表明该点上空电离层TEC时间序列具有混沌的特征,存在混沌现象.采用加权一阶局域法对TEC时间序列进行预测时,在有效预报尺度内,利用各种度量进行预报得到的中误差都随着预报天数的增加而逐渐增大,但预报的相对误差却是在一定幅度范围内上下波动.采用四种距离度量以及皮尔森相关系数和Jaccard相似系数进行预报,其预测结果或者平均中误差较大,或者平均相对误差较大,结果不理想.其中,采用标准化欧氏距离得到的平均中误差最大,达到5.107TECU,而采用皮尔森相关系数得到的平均中误差最小,为5.078TECU;对于平均相对误差而言,由切比雪夫距离得到的平均相对误差最大,为0.185,而Jaccard相似系数得到的平均相对误差最小,为0.166.而采用余弦相似度得到的预测结果,其平均中误差和平均相对误差都很小,分别为5.079TECU和0.167.因此,在一阶局域混沌预测时,采用余弦相似度作为衡量相空间轨迹的差异性是较为合适的.

基于关联度网络流量预测的加权局域线性模型

用来预测混沌时间序列的传统加权局域模型一般用空间距离来定义邻近点的权重,当重构相空间嵌入维数增大时预测效果不是很理想。考虑了关联度对预测中心动力学行为的影响,提出用关联度来定义权重的方法,建立了一个用来预测网络流量新型的加权局域线性模型。模拟试验结果表明,和传统加权模型相比,当嵌入维数较高的时候,该模型能在较大程度上提高网络流量的预测精度。

基于多嵌入维加权一阶局域法煤矿灾害混沌时间序列预测

煤矿生产过程中常伴有煤与瓦斯突出等矿井动力灾害,威胁矿工的生命安全。文章提出了多嵌入维加权一阶局域法,并通过Lorenz混沌时间序列对该方法进行了验证且与加权一阶局域法进行了比较。通过对矿井灾害预测表明,应用多嵌入维加权一阶局域法预测结果的精度得到了提高。该方法具有较好的适应能力和鲁棒性。

相空间局域预测法在滑坡位移预测中的应用

根据滑坡系统的混沌特性,将适合于混沌时序预测的相空间局域近似法应用到滑坡位移预测中。针对零阶局域预测法利用信息效率不高的缺点,运用模糊数学中构造隶属函数的方法来选取预测相点的近邻点,减小了选取近邻点这一关键问题的人为随意性,而且预测结果也证明了这种方法的合理性。