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。

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 .

加权一阶局域法在边坡位移预测中的应用研究

目前,常用的变形预测分析方法有[1]:确定函数法、统计回归分析法、混沌时间序列分析法等。其中混沌时间序列分析法可以在未直接考虑引起位移变形的有关随机因素的条件下,对历史观测数据进行重构相空间处理,建模比较简单、计算量小、预测精度较高。研究建立了加权一阶局域法多步预报模型,运用Matlab6.5编制了计算程序,并利用预报模型进行了典型混沌系统的预测和水利工程高边坡位移预测,取得了较好的预测效果。

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。

矿区地下水位的混沌时间序列局域法预测

矿区地下水系统是一个非线性演化系统,地下水位的变化也是一个不可积的过程,随着采矿的进行,其演化过程会通过一定的轨道进入混沌状态。对杨庄煤矿1号奥灰水位的水文地质长观孔观测时间序列数据进行了分析,根据Pacard和Takens提出的相空间重构技术,首先采用自相关函数法计算其时间延迟,并计算其最佳嵌入维数,然后利用Wolf提出的方法,从单变量中提取出了最大Lyapunov指数,由计算结果得出时间序列具有混沌特性。在此基础上,采用混沌时间序列的局域法对水位做了6步预测,结果表明,混沌时间序列方法对混沌序列的预测具有较高的精度。

基于多变量加权一阶局域法多步预报模型的舰船摇荡预报

针对舰船各个自由度摇荡之间存在耦合的实际,提出了一种多变量加权一阶局域法多步预报模型(MAOLMM)。对Chen’s吸引子仿真数据及某型船真实海浪下航行的摇荡数据进行了预报分析,结果显示,多变量加权一阶局域法多步预报模型的预报精度高于单变量加权一阶局域法多步预报模型,提高了舰船摇荡预报的有效性。

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。

基于改进相空间加权局域法的混沌时序预测

相空间重构是进行混沌时间序列分析与预测的基础。本文基于混沌理论中相空间重构的两个关键参数嵌入维数和延迟时间相关的观点,采用C-C算法计算嵌入维数和延迟时间,进而对混沌时序进行相空间重构,然后运用改进后的加权一阶局域预测模型进行预测。通过对Lorenz混沌系统和Rossler混沌系统的仿真预测,表明用C-C算法计算嵌入维数和延迟时间,具有操作简便,速度快的优点,利用本文提出的预测模型进行仿真预测,进一步说明本文提出的预测方法可操作性强,对于混沌系统的短期预测有较好的效果。

基于加权一阶局域法的短时交通流量预测的研究

本文在分析了城市短时交通流时间序列和混沌特点基础上，通过对混沌时间序列预测方法的研究，提出了一种基于加权一阶局域法的短时交通流量预测方法。该方法引进了权值，使得它比全域法具有更好的自适应能力和较高的预测精度。对实际短时交通流量进行预测，取得了令人满意结果。

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。

局域法邻近点选取对降雨量预测精度影响研究

基于混沌理论的局域法对非线性、非平稳的降雨系统的预测较为适用,而邻近点个数与混沌局域法预测精度密切相关,但在运用该模型对降雨量预测时却鲜有人考虑邻近点个数问题,邻近点个数选择过少可能将历史运动趋势忽略,选取过多将加大计算量,甚至引入伪邻近点,导致预测精度降低。鉴于此,研究了BIC信息准则用于混沌局域法的邻近点个数的确定,并采用实测月降雨量数据验证所提出方法。结果表明,运用BIC信息准则优选邻近点能显著提高月降雨量预测精度,预测的平均绝对误差由3.640%降低到2.511%。

局域法邻近点选取对供水量预测精度的影响

混沌局域法预测模型适用于非线性、非平稳的城市日供水量预测,而邻近相点个数的选取对该模型预测精度有直接影响。传统方法通常以嵌入维m作为参考值,凭经验选取m+1个邻近相点,且仅使用欧式距离法计算当前相点距离,无法反映相点的运动趋势,易引入伪邻近相点,导致预测精度的降低。鉴于此,将演化追踪法引入城市日供水量预测,通过挖掘邻近相点的历史演化规律对参考样本进行优选,以提高预测精度。最后,采用实际日供水量数据验证所提出方法,结果表明,运用演化追踪法优选邻近相点能显著提高日供水量预测精度,预测平均绝对误差由2.501%降低到1.683%。

基于加权一阶局域法的公共拥塞检测方法

利用拥塞环境下网络业务流的混沌特性,提出了一种基于加权一阶局域法的公共拥塞检测方法.采用混沌信号处理方法对延时采样序列进行分析,能够迅速地判断出2个流是否通过了同一段拥塞链路.仿真结果表明,在长TCP(Transmission Control Protocol)流,短TCP流,UDP(Us-er Datagram Protocol)流3种网络环境下,该方法具有比相关方法更好的性能,对于开发协同拥塞控制算法以及智能重叠网络的构建都有良好的应用前景.

基于加权一阶局域法的负荷区间预测研究

文中将加权一阶局域法应用到负荷区间预测法中,综合得到复杂电力系统在单步负荷区间预测与多步负荷区间预测中的基本模型,并说明加权一阶局域法的基本过程,从理论上分析加权一阶局域法的多步负荷区间预测曲线相交叉的原因。采用该方法进行基于Lorenz方程和PJM实际电力负荷数据的区间预测,结果证明受曲线相点交叉的影响导致在多步负荷区间预测上部分点的数值只有一个公共值而无法构成区间,因此基于加权一阶局域法的多步负荷区间预测存在相对明显的应用局限性。

风电场超短期风速预测的相空间优化邻域局域法

基于相空间重构技术和局域预测法,提出一种风电场超短期风速预测的新方法。该方法通过优化的相空间邻域寻找预测状态点在相空间中的邻域点,并建立支持向量回归(SVR)模型。通过考察伪近邻点的比重来选取合适的邻域半径,保证了邻域点与预测状态点的高度相似性,而SVR模型则具有很强的高维非线性拟合能力。实例分析表明,该方法与其他方法相比具有较好的超短期风速预测效果。

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%.

基于混沌加权一阶局域法的IGS超快星历钟差预报

为提高IGS超快星历钟差预报产品的精度,针对卫星钟差数据具有确定项和随机项成分的特点,在采用多项式模型对钟差确定项建模的基础上,提出采用混沌加权一阶局域法对钟差随机项进行建模预报。仿真结果表明,采用混沌加权一阶局域法的预报精度优于超快星历钟差预报产品。

一阶局域法在建筑物沉降预测中的应用

应用混沌时间序列预测方法,建立沉降预测的非线性混沌模型,介绍了局域一阶预测算法,并用这种算法对长安大学B点高层住宅楼实际沉降监测数据进行预测计算。结果表明,该方法不仅预测精度高,而且计算量小,相对容易操作。

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。