关联维数分析方法在铝合金衬套液压泵故障诊断中的应用

随着社会经济的提高,关联维数在多个领域都有所应用。本文对关联维数的概念进行解释,重点分析了关联维数在对铝合金衬套液压泵故障诊断的如何选取技术参数,在对故障问题进行诊断时是如何操作的,通过实验证明出关联维数分析方法在诊断铝合金衬套液压泵故障时相比较于传统方法有哪些优势。通过本文的研究可以得出关联维数分析方法能够为铝合金衬套液压泵故障诊断提供有力依据,有着非常好的应用前景。

基于改进的G-P算法的相空间嵌入维数选择

对混沌时间序列相空间重构中嵌入维数的选择进行了研究,针对饱和关联维数算法(G-P算法)存在的四点不足,提出了一种计算最佳嵌入维数的改进算法。通过对邻域半径区间的自适应选择,采用均匀变化步长的方式;对无标度区间利用基于BDS统计限定范围的快速自动判定法进行识别,实现了系统维数的自动计算;针对原算法存在的重复运算、繁杂计算问题,从算法原理和程序结构上进行了改良,大大加快求解速率。在理论分析的基础上,用新算法进行试验,仿真结果表明设计的算法对嵌入维数的选择更准确更高效。

观测数据分析中几种方法的探讨(三)混沌时间序列的预测

介绍了混沌时间序列分析中根据单个时间序列重建相空间 ,用关联维方法和李雅普诺夫指数来辨识观测数据中存在混沌的可能性 ,以及全局和局部预测方法。

改进的饱和关联维数法在时间序列研究中的应用

饱和关联维数法是确定关联维数最常用的方法,原有饱和关联维数法需要多次重复计算时间序列元素间的差值,过程较复杂。通过引入数组存储代替重复计算的思路改进饱和关联维数法,当样本数据个数取100时优化比为1/61,数据个数取400时优化比达到1/148,实验证明,改进的饱和关联维数法节省了程序运行时间,效率显著提高。

基于混沌理论的汉江上游安康站1950—2014年逐月降水量特征

通过对安康站1950—2014年逐月降水量的趋势进行分析,发现其降水存在周期变化。基于自相关函数法、C-C关联积分法来确定安康站降水的非线性系统的延迟时间、嵌入维数后,对降水序列进行了相空间重构,并利用G-P关联维法以及最大Lyapunov指数法进行混沌特征识别。结果显示:采用G-P关联维算法分析安康站1950—2014年降水时间序列并不能得到其存在混沌特性的结果,但最大Lyapunov指数法显示其存在混沌性;基于现有780个月份降水数据,可预报的最大时间长度为7个月。研究结果可为当地和下游地区的径流预报提供科学支撑。

混沌理论和极限学习机的物流需求预测模型

为了提高物流需求的预测精度,为物流园区规划提供科学支撑,提出混沌理论和极限学习机的物流需求预测模型。物流需求受外界因素综合作用,具有混沌变化特点,通过互信息法和G-P法分析其混沌变化规律,根据混沌变化特点处理物流需求数据,并采用极限学习机进行回归与预测,最后与其他物流需求模型的性能进行对比与分析。结果表明,该模型获得了更高的物流需求预测精度,预测结果更加稳定、可信,预测结果有利于物流园区规划。

基于分形原理的时间序列分析及预测研究

引入分形原理分析时间序列问题.运用数组存储代替重复计算的方式改进饱和关联维数法,当时间序列样本数据为100时,改进饱和关联维数法的运行时间比改进前缩短了61倍,程序的运算步骤有效简化,且计算出的关联维为1.415 6,证明该时间序列具有分形特征.用变标度极差分析法求时间序列的Hurst指数,结果为0.907 4,说明该序列具有持续效应.用累加和变换法建立短时间序列的分形预测模型,建立的模型预测后一期数据的残差最大绝对值都小于1 mm.实验结果表明:使用分形原理可有效描述时间序列的有关特征,且分形预测模型为短时间序列的预测问题提供了一种新方法.