负荷预报的混沌时间序列分析方法

某些非线性确定性系统表现出混沌行为，由这些系统产生的时间序列又表现出随机性 ，但是，这些混沌时间序列在短期内可有较为精确的预测，可以为其建立确定性的预测模型 。为了探求负荷时间序列中的混沌特性，作者首先介绍计算时间序列中的多种混沌特征数的 方法，在发现华中电网发电负荷时间序列中的混沌特性的基础上，给出一种基于混沌理论的 局部预测算法。该预测方法的优点是，如果时间序列比较长，就可以通过某些参数的调整来 控制预测精度。最后以华中电网的发电负荷为例检验了本文中的算法，最终的预测模型的预 测效果良好。

一种新颖的混沌时间序列分析方法

本文提出了一种新颖的混沌时间序列分析方法，即从被加性高斯白噪声污染的混沌时间序列中估计其系统参数并同时进行噪声抑制的方法。假定产生混沌时间序列的模型已知，但相应的参数未知。这种新方法把对混沌时间序列的参数估计和噪声抑制看作是一种最小化过程，并利用了最速梯度下降方法解决。数值模拟实验表明新方法要优于现有的方法。

边坡位移预测的混沌时间序列分析方法应用研究

把混沌时间序列理论引入到边坡工程研究中,运用边坡位移时间序列的最大Lyapunov指数预测边坡的变形破坏,建立了预测模型,并结合工程实例进行边坡位移预测,取得了较好的预测效果。

基于混沌时间序列分析方法的矿山塌陷区范围预测

地下开采所引发的地表变形对矿山工业生产造成了严重危害,因此准确预测矿山塌陷区范围对于矿山安全生产具有重要意义。将混沌时间序列分析方法应用于矿山塌陷区范围预测中,以相空间重构理论为基础,采用小数据量算法计算得到时间序列的关键指标——最大Lyapunov指数,研究了塌陷区在相空间相点距离的演变规律,建立了塌陷区范围边界预测模型,并应用该模型对红岭铅锌矿塌陷区范围进行了分析预测。结果表明,矿山塌陷区范围变化具有混沌特性,时间序列分析方法能够很好地反映塌陷区范围的内在规律,通过计算得出红岭铅锌矿塌陷区范围时间序列的最大Lyapunov指数大于0,该矿山塌陷区范围的预测值与实际值基本吻合,误差大小不超过0.1%,验证了该方法的可靠性,为矿山塌陷区预测提供了一种新思路。

犯罪时间序列的混沌特征分析与短期预测

现有犯罪时间序列预测方法侧重于捕捉序列自相关性来构建预测模型,但缺少对犯罪时间序列所反映的社会治安系统非线性和复杂性特征的考虑。针对这一不足,提出了一种基于混沌分析的长短期记忆(long short-term memory,LSTM)LSTM预测方法(Chaos-LSTM)。首先将犯罪时间序列进行相空间重构得到其重构参数以及高维特征,然后计算犯罪时间序列的Lyapunov指数判断其混沌特性,最后对符合混沌特征的犯罪时间序列利用重构参数进行序列重建,输入LSTM模型进行时序预测。以北方某特大城市2007—2014年的抢劫、入室盗窃、抢夺、诈骗类犯罪的日序列数据进行了实验验证,结果表明:4类案件的时序数据均表现出明显的混沌特征。Chaos-LSTM模型在预测精度上较LSTM模型有明显提升,平均绝对百分误差(mean absolute percentage error,MAPE)提升度最高可达19.7%,百分比均方根误差(percentage root mean square error,PRMSE)提升度最高为4.19%,其中对稀疏性数据序列的提升效果更为明显,显示出该方法对稀疏犯罪时间序列具有更好的适应性。

《大数据分析方法项自实战》

本书对数据分析的作用、意义做了简要概述,使用不同技术详细地向用户解释了初始数据分析、建立和管理数据文件、绘制统计图表、基本统计分析、平均数差异分析、非参数检验、方差分析、相关分析、回归分析、信度分析、聚类分析和判别分析、对数线性分析、时间序列分析、多重响应分析、生存分析、因子和对应分析等内容。

非线性时间序列的符号化分析方法研究

符号时间序列分析方法是近年来新兴的一种数据处理方法,已经被广泛的应用于各个领域.采用符号化分析方法能够从动力系统中快速有效地提取有用定量信息,计算简单快捷,而且能够有效的抑制噪声.本文采用三种统计量用于表征符号化时间序列的特性,用Henon方程作为算例验证了该方法的可靠性,并且将此方法应用于垂直上升管中油水两相流流型分析,结果表明从符号时间序列计算的统计量对油水两相流过渡流型变化敏感.

半潜式超大浮体连接器动力特性的一种时间序列分析方法

根据刚性模块弹性连接器 (RMFC)假设研究由 3个模块连接而成的半潜式超大浮体MobileOffshoreBase(MOB)的波浪载荷动力响应。模块和连接器动力响应根据时间序列法计算 ,这种方法包括海况模拟 ,波浪载荷计算和结构响应计算三个主要部分。通过对结构的适当简化 ,根据Airy波理论 ,Morrison公式以及流体中的结构运动方程、弹性连接器变形方程 ,计算求得MOB在不规则海况下的动力响应 ,并将其与相关文献中的结果进行比较 。

基于混沌时间序列分析的股票价格拐点预测方法

随着混沌科学的迅猛发展，当前在经济、金融研究领域，对经济、金融系统行为的混沌分析已成为一大热点，由此发展起来的混沌经济学大大增强了经济理论对现实的描述能力。股票价格时间序列是一个受政治、经济、心理等多方面因素影响的离散时间序列，使得股票价格常表现出包括混沌在内的各种复杂现象与行为。这些现象与行为若采用传统的统计学的方法处理往往难以得到令人满意的结果，而若采用混沌的方法处理则非常有效，因而混沌时间序列的建模与预测已成为当今学术界的研究热点。

一种利用小波包分析计算混沌时间序列Kolmogorov熵的方法

提出了一种利用非线性时间序列的小波包变换模数代替混沌信号本身,在m维相空间中计算其Kolmogorov熵的方法,并用具体实例进行了仿真验算和噪声分析.结果表明,这种算法准确、可靠,并且可以有效克服采样过程中常常出现的噪声对信号的干扰.*

混沌时间序列的分析方法

本文主要针对混沌时间序列的特征，介绍了混沌时间序列分析中相空间重构的方法以及分维数、Lyapunov指数等混沌的特征参数，讨论了替代数据检验以及非线性去噪方法的基本原理，并在此基础上指出了尚需进一步深入研究的问题。

市场预测中时间序列的趋势分析方法

市场预测就是运用各种市场资料,通过分析研究和数学方法,测算未来一定时期内市场需求与供应量的变化及趋势,为生产和流通部门及企业制定计划目标,进行营销决策提供科学依据。当前,企业正面临一个转换经营机制,向市场经济过渡的新课题,因此,掌握科学的预测技术,对于一个企业家来说,无疑是非常重要的,美国克莱斯勒汽车公司由于对能源危机预测的失误,做出错误的决策,曾使公司濒临破产。实践证明,准确的预测,对企业是生命攸关的。

时间序列分析方法在医院检验科工作量预测中的应用

目的探讨时间序列分析在检验科工作量预测中的应用.方法根据我院检验科1994年3月至2004年6月的工作量资料,采用ARIMA时间序列分析方法建立一个简单实用的时间序列模型.结果1994年3月至2004年6月检验科的工作量沿逐年上升的趋势波动,该模型对2004年3月到6月检验科工作量预测的相对误差为1.36%～5.17%,预测结果比较满意.结论在工作量的近期预测中应用ARIMA时间序列模型分析方法对医院检验科工作具有一定的积极指导意义.

频谱分析方法在水文时间序列代表性分析中的应用

水文序列代表性分析是水文频率计算的一项重要工作 ,水文频率分析成果的质量在很大程度上取决于水文序列的代表性 .目前关于水文序列代表性分析仍缺乏有效的方法 .为此 ,作者将频谱分析法引入水文序列代表性分析 ,并根据频域中水文序列周期的个数 ,判断水文序列是否含有丰、平、枯或大、中、小各种特征量级的序列值 ,从而确定水文序列代表性的优劣 .通过对某站年最高水位序列的频谱分析 ,判断该序列含有一个完整的周期 ,由此推断该序列具有较高的代表性 ,即该序列的频率特性接近于总体分布 ,其频率计算设计成果具有较高的精度 .

几种时间序列分析方法的比较与应用

一、几种时间序列分析方法的简单比较 时间序列分析技术是通过对预测目标自身时间序列的处理,来研究其变化趋势的方法.本文把时间序列预测技术大致分成三个方面,即:"确定性时序分析法"、"随机(非确定性)性时序分析法"及"确定性加随机性时序组合模型分析法". ……

移动办公数据多层混沌序列加密方法仿真

为了提高移动办公数据的安全性,降低办公数据在传输和存储过程中被修改和窃取的风险,提出基于混沌序列的移动办公数据多层加密方法。结合独立分量分析方法和经验模态分解方法,对移动办公数据预处理,消除移动办公数据中存在的噪声;通过建立混沌序列并引入主成分分析方法,对混沌序列降维处理,在三维Arnold变换的基础上对移动办公数据展开置乱变化,完成移动办公数据的第一层加密。根据生成混沌Frank序列,对移动办公数据展开第二层加密处理,完成移动办公数据的多层加密。实验结果表明,所提方法的密文置乱性高,且生成密文所需时间低于130ms,加密效率高,提高了数据的安全性。

基于改进VMD和注意力机制的混沌时间序列预测

采用神经网络预测混沌时间序列时,已有研究忽略了混沌时间序列的物理信息混叠现象,难以满足预测时混沌时间序列特征提取的需求,而变分模态分解的结果受参数影响较大,合适的参数能够大大提升变分模态分解的效果,故提出一种模拟退火算法优化的自适应变分模态分解算法,解决参数选择问题。长短期记忆神经网络适用于时序信息的处理,但易忽略输入之间的关联信息,而自注意力机制可加强数据内部关联,有利于重要特征的提取,因此将自注意力机制融入长短期记忆网络。通过引入这两种方法形成融合神经网络模型,采用真实混沌时间序列验证了所提出方法的有效性。对比实验结果表明:所提出的融合神经网络模型可有效提取混沌时间序列中隐含的动力学特征,显著改进神经网络的注意力配比,有效解决预测中出现的超前现象,从而大幅提高了混沌时间序列预测的精确性和稳定性。

应用时间序列分析方法预测油气管线点腐蚀深度扩展

点腐蚀是影响油气管线剩余寿命的重要因素,预测油气管线的点腐蚀深度扩展行为是评价管线剩余寿命的关键步骤之一。基于时间序列分析处理动态数据的特性,建立了点腐蚀观测数据时间序列分析模型,并结合实例对方法的有效性进行了分析,结果表明,应用时间序列分析预测油气管线点腐蚀深度扩展是切实可行的。

以时间序列分析为基准的航站楼安检客流预测

目前在民航旅客流量预测方面,仍存在诸如序列粒度考虑过粗、未涉及到未来一天某个短时段内流量预测等问题。在单一时段内利用安全检查技术开展客流预测工作是交通系统的重要部分。为此,首先针对安检客流时间序列进行相空间重构;其次,使用Wolf方法进行安检客流时间序列混沌性判别;再次,采用BP神经网络预测方法对混沌时间序列进行预测;最后,讨论一天的高峰时间,并将该时段划分为2 min,3 min,5 min,10 min等时间间隔,利用曲线拟合方法对每天的客流趋势进行相似性分析。文中数据来源于北京首都国际机场T3航站楼安检客流数据。实验结果表明,文中方案具有较好的预测性能,在高峰期情况下,以2 min为时间间隔,采用BP神经网络方法能够在短时间内完成人员与资源动态调度。