基于混沌时序分析方法与支持向量机的刀具磨损状态识别

为了表征、获取与识别刀具的磨损状态,提出一种基于混沌时序分析方法与支持向量机的刀具磨损状态识别方法。该方法利用混沌时序分析方法重构了刀具声发射信号的相空间,并提取了嵌入维数与Lyapunov系数建立了特征空间。使用支持向量机作为分类器,实现了刀具磨损状态的识别。实验证明,在小样本学习情况下,基于混沌时序分析方法与支持向量机的刀具磨损状态识别方法具有良好的学习能力,获得了较高的识别准确率。

混沌时序相空间重构的分析和应用研究

在国内外学者工作的基出上 ,应用Legendere坐标法重构动力系统的相空间 ,研究了时序时隔τ的取值范围 ,讨论了时序间隔τ对相空间重构工作的影响 ,并用所提方法重构了系统的吸引子 · 算例表明所提方法是有效的·

一种确定混沌时序重构相空间维数的新方法

根据密重频矩阵特征值理论 ,本文提出一个解决混沌时序重构嵌入空间维数n确定问题的新方法。对工程中油膜振荡问题的有效研究表明 :所提出的确定嵌入空间维数n的新方法不但具有较强的屏蔽噪声能力 ,而且能促进相空间重构技术在实际工程应用中的发展。

非线性混沌时序预测研究及应用

混沌是一种普遍存在的非线性动力学行为 ,针对混沌时间序列的难以预测和控制的问题 ,提出了基于趋势的混沌预测模型 ,利用混沌系统的初值、参数敏感性来微调和控制系统扰动 ,并用改进的最优化方法来估计模型的参数 ,在其相空间中对时序的未来值进行预测 .算例表明 ,选取最佳的模型阶数能增加预测的准确程度 ,它不仅克服了仅用延迟嵌入技术的弊端 ,也降低了直接使用预测误差决定输入模式的盲目性 .预测效果比其他时序方法要好 .

低维混沌时序非线性动力系统的预测方法及其应用研究

主要研究由低维混沌时序所确定的非线性动力系统的预测方法及其应用· 在国外学者研究工作的基础上 ,应用一种非线性混沌模型在相空间内对时序进行重构工作 ,先通过改进的最小二乘方法来估计模型的参数 ,满足一定精度后 ,再采用最优化方法来估计模型的参数 ,并用所求得的混沌时序模型在其相空间内对时序的未来值进行预测· 给出了非常有代表性的实例对文中模型和算法进行验证· 结果发现采用该算法能较准确地求得模型的参数 ,在相空间中对混沌时序进行预测 ,将传统方法中的外推变成了相空间中的内插 ,及选取最佳的模型阶数等工作都能增加预测的准确程度 。

基于混沌时序重构的股票价格预测研究

应用非线性映射迭代模型,采用小波理论来辨识混沌模型中的参数,并通过对混沌时序进行预处理,可得到较好的预测结果.采用小波网络对非线性映射迭代模型中的参数进行辨识,辨识的准确程度较高.采用该模型对上海证券市场600063号股票的开盘和最高价格数据进行了建模和模型参数辨识,并据此做出相关预测,得到了满意的预测结果.

低噪声水平混沌时序的预测技术及其应用研究

研究含有噪声的混沌时序的除噪及其重构技术,基于除噪混沌数据的预测技术及其应用.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,将混沌时序的相空间分解成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,并在此基础上,确立了非线性模型的阶,利用所提出的非线性模型对时序进行了预测研究工作,研究结果表明,该非线性模型具有很强的函数逼近能力,所采用的混沌预测方法对相应的实际问题有着一定的指导意义.

多变量经济混沌时序的小波神经网络预测

提出了一种改进的小波神经网络,通过对C-D生产系统模型和财产管理模型中产生的经济增长混沌时序,进行多变量混沌时序的相空间重构,并采用改进的小波神经网络进行预测,证明其短期预测效果优于其他方法,说明该方法可以应用到经济增长混沌系统的预测中.

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。

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 。

基于混沌时序方法的油田产量预测研究

油田产量的预测一直是石油工业的重要研究课题。由于油田产量影响因素多且复杂,本文采用混沌时序预测方法进行研究。构造油田产量预测的混沌时序分析模型,用C-C方法确定相空间重构参数嵌入维度与延迟时间;使用小数据量法计算最大Lyapunov指数用于判别产量时间序列的混沌性;利用加权一阶局域预测法对油田产量进行预测。最后利用渤中油田某平台某井数据进行产量预测并验证模型的准确性。

非线性混沌时序预测研究及应用

混沌是一种普遍存在的非线性动力学行为 ,针对混沌时间序列的难以预测和控制的问题 ,提出了基于趋势的混沌预测模型 ,利用混沌系统的初值、参数敏感性来微调和控制系统扰动 ,并用改进的最优化方法来估计模型的参数 ,在其相空间中对时序的未来值进行预测 ,算例表明 ,选取最佳的模型阶数能增加预测的准确程度 ,它不仅克服了仅用延迟嵌入技术的弊端 ,也降低了直接使用预测误差决定输入模式的盲目性 .

基于n阶平均发散度的混沌时序可预测尺度研究

深入分析了基于最大Lyapunov指数的混沌时序可预测尺度确定方法,指出了其存在的不足。在此基础上,提出了一种新的基于n阶平均发散度的可预测尺度确定方法。首先给出了n阶平均发散度的定义;然后阐述了新方法的基本原理,并总结了可预测尺度的计算步骤;最后将所提方法应用于电力负荷时序可预测尺度的确定中,通过对预测误差的分析和比较,验证了新方法的有效性。

超混沌时序加密数字信号的应用

给出一个超混沌系统模型，利用此系统生成的超混沌时序作为密钥，采用模２加法的方式对数字信号进行重新编码，实现了对文本、图像和声音等数字信号的加密与解密．

经济系统混沌时序重构的分析和应用

在国内外学者应用 Legendre坐标法重构一类经济动力系统的相空间 ,研究了时序间隔τ的取值范围 ,讨论了时序间隔 τ对相空间重构工作的影响 ,并用所提方法重构了这类经济动力系统的吸引子 。

车用锂离子电池剩余使用寿命的混沌时序非线性组合预测模型研究

针对用单一方法难以准确预测锂离子电池剩余使用寿命(RUL)的问题,提出了非线性组合预测模型。对电池系统进行混沌判断,得到与实际容量相关性高的间接参数,利用重构后的数据对Elman网络及非线性自回归(NARX)网络进行训练和预测,得到表征电池性能退化的特征量;然后,用最小二乘支持向量机进行非线性组合,获得RUL的预测值。试验结果表明:非线性组合预测模型的预测精度优于Elman和NARX,具有更强的非线性预测能力。

混沌时序建模的理论在电力负荷预测中的应用

利用一种简洁实用的方法计算电力负荷最大Lyapunov指数,通过计算证明电力负荷数据存在混沌的特性.通过对负荷时序的相空间进行重构,对河北地区电力负荷的日负荷数据进行了分析,并根据混沌时序模型对其进行预测,结果表明预测精度小于3%,满足实际要求.

混沌时序相空间重构参数确定的信息论方法

根据信息论基本原理 ,研究了混沌时间序列相空间重构参数延迟时间和嵌入维数的选取 .提出了用符号分析的方法计算互信息函数 ,确定出延迟时间 ,在此基础上 ,提出了一种估计嵌入维数的信息论方法 ,即根据重构向量条件熵随向量维数的变化关系来确定嵌入维数 ,通过对几种典型混沌动力学系统的数值验证 ,结果表明该方法能够确定出合适的相空间重构嵌入维数 .

混沌时序重构及上海股票指数预测的应用研究

应用非线性自相关混沌模型,采用神经网络和小波理论相结合的方法对模型参数进行辨识,其辨识的准确程度较高.通过对混沌时序进行预处理和傅立叶滤波,然后再进行重构和预测工作其效果良好;文章采用该模型对上海证券市场的600062号股票数据的开盘、最高、最低、收盘价数据进行了建模和模型中参数辨识的工作,其预测的结果比较准确.

基于混沌时序-随机森林回归的堆石坝料加水量预测研究

堆石坝碾压施工过程中一般通过对坝料加水以提高压实质量。然而现阶段针对坝料加水量控制的研究中,存在无法精确给定加水量、未考虑坝料上坝后摊铺施工过程中气象因素对坝料含水率的影响等问题,难以保证坝料在碾压施工开始时满足坝料设计含水率的要求。为有效控制堆石坝坝料加水量,基于混沌时序和随机森林回归方法,建立考虑气象因素影响的堆石坝料含水率变化预测模型并精确给定加水量,主要包括:(1)利用混沌时序方法,在设定时间内进行气象信息短期预测;(2)建立基于随机森林回归方法的含水率变化预测模型,预测气象因素引起的坝料含水率非线性变化,并通过十折交叉验证检验了模型预测精度;(3)结合预测的含水率变化、坝料初始含水率、设计含水率和坝料质量对加水量进行精确计算。在碾压监控系统和运输监控系统的基础上,结合某实际工程,验证了该方法的有效性和准确性,并与现有加水方法进行了对比,为堆石坝坝料加水量的精细化控制提供了科学指导。