基于非线性时序分析的三峡支流浮游植物因果响应

水华的频发已成为当前三峡水库最为突出的生态环境问题之一。尽管水动力调控叠加上温度变暖和营养负荷增加会诱导水华暴发强度和频率增加,但仍缺乏有效的方法框架去利用野外观测数据评估环境因子与浮游植物间的因果关联。本研究以三峡水库澎溪河监测数据为例,采用非线性时序分析的建模框架来量化浮游植物的因果响应规律。数据来自于2007年6月至2018年9月澎溪河流域的高阳平湖和汉丰湖两个观测点,其中包含了水文、气象和水质及叶绿素a等11种变量。首先,利用奇异谱分析(SSA)分离了叶绿素a和环境因子的低维确定性动力学信号;其次,采用收敛交叉映射(CCM)方法检验了叶绿素a与环境因子间的因果关联。结果显示:(1)气象因子、支流流量、水温、三峡大坝水位和上游调节坝水位是影响高阳平湖叶绿素a时序变化的重要因素;(2)总氮、总磷为代表的营养盐只在汉丰湖观测点中表现出与叶绿素a的因果关系,且总氮较之于总磷对叶绿素a变化影响更为显著;(3)CCM结果与传统的皮尔森相关性分析及格兰杰因果检验比较,证实非线性时序分析方法在分析浮游植物的因果响应上更具优势。本研究为水生态系统的因果建模提供了研究范例,也为推动利用长期观测数据评估三峡水库水华驱动因子提供了新的研究角度。

非线性时序分析模型在地下工程位移预报中的应用

在现场采集大量数据的基础上，对支架位移建立了非线性时序分析模型ＳＥＴＡＲ（ｄ，ｌ；ｐ１，ｐ２）。用该模型对支架位移进行了拟合和预报，取得了较为满意的结果。

堆石坝变形监测的灰色非线性时序组合模型

结合堆石坝变形的特点 ,应用逐步回归方法提取大坝变形观测数据系列的水压和温度分量后 ,用灰色非线性系统模型模拟剩余数据系列的趋势项 ,用时间序列模型模拟剩余数据系列的随机项 ,由此建立了堆石坝变形监测的灰色非线性时序组合模型 .计算分析表明新模型提高了拟合精度 ,使堆石坝变形监测的数学模型更趋于合理 .

一类洪水预报的非线性时序模型——指数自回归模型

作为雨洪系统的输出——洪水时间序列，它包含了系统中各种变量的过去信息，同时蕴含着大量关于系统演变的规律和趋势，这样的时间序列往往是不可逆的，非性线相依的偏态序列，并且存在着广泛的频幅相依特性。在进行洪水预报时，传统法多采用线性化技术，但预报精度并不理想，因此要提高预报精度，有必要考虑洪水的非线性特性。基于此，本文用指数自回归模型进行洪水预报研究，实例分析表明该模型可提高洪水预报精度。本文的尝试工作为洪水预报提供了一种可行的模型。

预测大气CO_(2)浓度的非线性时序模型

提出了用双线性模型预测大气ＣＯ２浓度序列的一套简便方案．实例计算结果表明，该方案具有实用性和通用性，在各种非线性时序预测中具有重要的理论意义和广泛的应用价值。

基于非线性自回归时序模型的振动系统辨识

针对线性和弱非线性振动系统进行了研究,提出采用非线性自回归时序(GNAR)模型进行系统频率辨识和判断系统性或非线性基本特征的方法。首先根据摄动法求解非线性微分方程的理论,论证GNAR模型与线性和弱非线性系统之间的本质联系,推导出GNAR模型系数与线性和非线性系统频率之间的解析关系;然后给出由GNAR模型系数和结构判断系统是否存在非线性及辨识系统频率和非线性项基本特征的方法;最后,以单自由度线性振动系统和无阻尼Duffing振动系统为算例验证该辨识方法的有效性和准确性。实验结果表明,基于GNAR模型的振动系统基本特征辨识方法具有较好的识别精度,能用于估计系统的动力学特性。

采用非线性自回归时序模型的汽车悬架隔振性能辨识

根据摄动法求解非线性微分方程理论,通过单自由度振动系统在单位脉冲激励下动力学方程的解析解,推导出了振动系统时域响应的非线性自回归时序(GNAR)模型表达式,获得了基于GNAR模型的悬架隔振性能主要指标计算公式。通过对某汽车悬架隔振参数辨识的试验结果表明,基于GNAR模型的悬架隔振性能辨识方法准确、便捷,能实现对在用车辆悬架隔振性能的快速辨识和评价。

非线性混沌时序的神经网络预测与控制算法研究

基于神经网络对时序问题的预测能力 ,本文提出了将混沌和神经网络相结合 ,应用神经网络来训练混沌序列的预测模型及方法 ,实现了将混沌系统快速地稳定到期望点上。理论分析和仿真结果均表明了该方法的有效性 ,且算法弹性大 ,可扩充性好 ,稍作修改后 。

基于非线性双重时序模型的房地产回报评估研究

随着经济的快速发展以及住房体制改革的不断深入,房地产业迅速发展成为国民经济的先导性和支柱性产业,房地产成为国民经济中最重要、最活跃的投资领域之一。从微观层面讲,各个房地产市场主体都希望能够科学地评估房地产投资回报,从而做出正确的投资经营决策;从宏观层面讲,研究房地产回报,是研究房地产业发展战略乃至研究国民经济规划的需要。分析了非线性双重时序模型评估房地产回报的基本思想,评估了2007年沪、深房地产行业52家上市公司的股票回报,并对结果进行分析,为房地产行业的监管及投资提供依据。

人工神经网络非线性时序模型在水文预报中的应用

首先构造出人工神经网络非线性时序模型 ,然后用该模型进行单变量和多变量时间序列预报研究。为了与传统的随机水文模型对比 ,选择了自回归模型。以日流量序列为例 ,研究结果表明 ,人工神经网络非线性时序模型预报效果不错 。

非线性时序、立体结构、模糊化叙述——浅析福克纳《干旱的九月》艺术手法的实验

《干旱的九月》在艺术手法上的实验集中体现在:非线性的叙事时序;立体的结构布局;模糊化的叙述手段。文章对以上三方面进行分析,并讨论它们在展现杰弗生镇上白人种族分子对黑人的暴力行为,以及在揭示美国南方严重的种族歧视这一主题中所起的作用,从而窥见福克纳作品的现代主义创新。

非线性时序建模预测方法初探

非线性时序预测在社会、经济、工程等领域均具有重要的实用意义 ,本文详细介绍了三种常用的方法 ,并在此基础上对他们进行了探讨 :分析各自的特点及适用范围 。

经济增长非线性时序预测方法研究

分析了经济系统非线性时序预测的国内外研究现状、现代经济增长模型在预测中存在的不足之处 ,阐述了经济增长系统的非线性、动态反馈性、开放性等特征 ,并应用非线性时序理论 ,研究了经济增长的非线性时序预测问题 。

动力系统实测数据的非线性混沌特性的判定

本文利用相位随机化的替代数据方法，给出了一个对动力系统实测时间序列数据的特性进行判定的方法·计算结果表明：相位的充分随机化可提高判别的准确程度·把此判据用于随机时序与非线性混沌时序所得的判据值有明显的差异·

一类金融系统行为的非线性混沌分析

利用相位随机化的替代数据方法对中国商品期货市场某些品种特性进行了判定,此方法用于随机时序与非线性混沌时序所得的判据值有明显差异.并应用混沌时序的奇异值分解技术对混沌时序的噪声进行了剥离,将相空间分解为值域空间和虚拟的噪声空间,在值域空间内重构了原混沌时序.进一步采用建立在改进的一般约束随机化方法基础之上强扰动的方法再次判定.根据计算结果对商品期货市场的走势进行了分析,结果表明中国商品期货市场是具有明显非线性混沌特性的一类复杂非线性混沌系统.

非线性自回归时序模型研究及其预测应用

从函数逼近和系统辨识两个方面推导了非线性自回归时序模型(GNAR模型)的物理结构,通过公式推导及仿真数据研究GNAR模型与确定性实函数、经典时序模型和混沌序列的关系,明确GNAR模型对系统逼近的机理.以Lorenz系统输出的混沌序列和现代经典时序-太阳黑子序列为算例进行数据实验,证明了GNAR模型在建模和预测方面的优越性.

福州大腹山隧洞围岩位移的非线性时序分析

以福州大腹山隧洞为例 ,在分析其工程地质条件的基础上 ,对隧洞围岩位移监控量测数据建立了非线性时间序列分析模型 .所建模型可用于预测隧洞围岩位移的未来变化 。

非线性时序信号神经网络预测模型讨论

本文从神经网络理论及实践两个方面进行研究，探讨了目前非线性时序信号预测神经网络模型存在的几个问题。

基于非线性时序信号神经网络预测模型讨论

本文从神经网络理论及实践两个方面，探讨了目前非线性时序信号预测神经网络模型存在的几个问题：网络输入节点数的确定，隐层节点数及隐层数目，节点单元作用函数的确定，三层前向神经网络的逼近能力，神经网络的外延性。本文提出了这些问题，以期加快时序信号预测研究的发展。