混沌时间序列控制方法研究

分析了混沌控制的任务、目标和一般方法,认为混沌时间序列源于混沌系统,用系统的观点讨论了一种对混沌时间序列进行控制的最小参数扰动方法及其步骤。

装备完好率混沌时间序列数据控制方法研究

以某类具有混沌特征的装备完好率时间序列数据为研究对象,分析了导致其混沌的系统因素,认为混沌时间序列源于混沌系统。用系统的观点讨论了对混沌时间序列进行控制的最小参数扰动方法和步骤,给出了几种控制策略。

交通流时间序列中混沌特性判定的替代数据方法

替代数据方法是判定时间序列中是否具有混沌特性的一种有效方法 ,本文介绍了该方法中一种基于关联维数的混沌判据。并将该方法应用于 1 5分钟和 5分钟采样周期的实测交通流时间序列中 ,计算结果表明交通序列中含有混沌特性。

基于非线性反馈方法的连续时间稳定线性系统的混沌反控制

提出了连续时闻线性稳定系统跟踪任意混沌系统实现混沌化的一般方法,该控制器通过非线性反馈取得,其中的反馈增益矩阵的求取与所跟踪的混沌系统无关,只与原连续时间线性稳定系统的状态矩阵有关。通过跟踪Rossler混沌系统和Lorenz混沌系统说明了该方法的设计过程.仿真结果表明了该方法的有效性和快速性。

短时含噪时间序列混沌识别方法及其应用

考虑到已有混沌识别方法需要大量无噪声数据的要求 ,提出了利用径向基函数网络的模式识别思想来去除短时含噪数据中的噪声并扩展数据的方法 ,然后根据最大Lyapunov指数的定义计算最大Lyapunov指数值。实例结果表明了本文方法的有效性。

计算机数据采集时间序列控制方法工业应用解析与展望

本文通过文献综述与实验方法相结合,针对现实数据采集所存在的问题,经过研究提出工业过程控制时序数据的特点是数据量大,重复度高,直接在原始时序数据上作分析不仅效率低,而且不易观察数据的主要特征,而进一步提出时间序列方法的应用现实价值与展望.

混沌时间序列预测的局域法在边坡变形分析中的应用

边坡作为一个复杂系统,其本身的各种参量是不确定的和随机的,在其演化过程中,表现出复杂的非线性行为,发生一系列的混沌现象。本文运用现代混沌理论,对边坡变形的预测问题进行探索性研究,把混沌时间序列理论引入到边坡工程研究中,对该理论的建立及预测方法进行系统地讨论,为该领域的研究提供完整的技术方法。通过对新滩滑坡的研究结果表明,混沌时间序列方法对混沌序列的预测较线性时间序列具有较高的精度。

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。

混沌时间序列局域零阶预测法性能比较

利用计算机仿真比较了均值、距离加权和指数加权3种混沌局域零阶预测方法的预测精度、抗噪声及多步预测性能.在无噪声或噪声干扰较小时,距离加权预测法的性能最好;当噪声干扰较大时,指数加权预测法预测性能最优.指数加权与均值预测法几乎具有相同的多步预测能力,距离加权预测法的短期预测性能最佳.对于标准的离散混沌时间序列,3种预测方法多步预测误差达到一定值后,不再随预测步长的增加而增加;对于由连续系统抽样得到的混沌时间序列,多步预测误差呈现一定周期性变化.

基于时间序列模型的系统最大值指标评定方法

提出基于时间序列模型的系统最大值指标评定与测算方法,为某些特殊领域,如航空、航天、国防中长周期及强相关系统的最大值指标评定提供理论依据。首先,选择一个合适的时间序列模型,对系统输出的误差序列建模,使模型能够从总体上跟踪实际系统输出;然后,综合考查模型残差序列与模型预测的输出序列,并应用经典统计学理论完成对系统最大值指标的评定与测算。最后,结合差分自回归滑动平均时间序列模型建模方法给出最大值指标评定方法的应用实例,实验结果表明,该方法是可行的。

基于改进典型相关分析的混沌时间序列预测

典型相关分析是目前常用的研究两个变量集间相关性的统计方法.针对线性典型相关分析法不能揭示变量间非线性关系,因而不适用于混沌系统等问题,将核典型相关分析与径向基函数神经网络相结合,提出了一种改进的核典型相关分析方法以解决映射空间样本未知及逆矩阵求解困难等问题.首先利用两个径向基函数神经网络,通过训练使两个网络输出之间的相关系数达到最大,可同时得到两组典型相关变量.然后建立预测模型,对Lorenz混沌方程及大连月气温与降雨二变量混沌时间序列进行仿真,并与传统的线性回归预测方法进行比较,多组仿真结果证明了所述方法的有效性.

基于时间序列状态空间重构的PMSM混沌现象检测

基于时间序列状态空间重构原理 ,提出一种只需测量系统一个状态变量 ,就可观察 PMSM(永磁同步电动机 )混沌现象方法 ,为

时间序列关联维数计算方法及其实证分析

简要介绍传统关联维数计算方法 ,并针对经济数据的特点分析传统计算方法的局限性 ,研究关联积分期望值的推导过程 ,并根据推导公式对 AR(1)过程进行了实证模拟分析 。

用常数周期脉冲方法控制耦合标准映象的混沌(英文)

将用常数周期脉冲方法控制保守系统的混沌运动的方法 ,用于控制高维系统耦合标准映象的混沌运动 ,计算了系统参数K =0 8和耦合常数 β =0 0 4的有限时间李雅普诺夫指数 ,考察了不同系统参数和耦合常数下的有限时间李雅普诺夫指数随迭代次数的的演化规律 .从各次迭代的有限时间收敛区选择满足期望动力学特征的轨道片段 ,施加适当的脉冲强度 ,找出其对应的周期不动点 ,从而得到期望的周期轨道 .

基于支持向量机的煤炭需求量混沌时间序列预测

一、引言 在我国能源开发战略研究和煤炭资源价值的评估中，对煤炭需求预测的研究是一项十分重要的工作。煤炭需求预测的方法很多，主要有主观推断法、趋势外推法、国内生产总值单位能耗预测法、需求弹性系数法、主要消耗部门预测法、人均能耗法、回归分析法、时间序列预测法、灰色预测方法、人工神经网络等。煤炭需求如果一直处于增长时期，这些方法预测的结果是比较准确的。但从1997年煤炭需求下降以来，上述方法预测的结果误差越来越大。由于煤炭需求量时间序列所具有的非线性、复杂性与内在随机性，即混沌性，传统的方法难以准确模拟需求量变化状态并预测未来年份的需求量。

基于混沌时间序列分析的信息注入技术研究

初始序列号猜测是在信息对抗中谋求信息优势的一项关键技术。目前常用的初始序列号猜测算法是Michal算法。在对Michal算法进行分析的基础上,结合混沌时间序列分析方法和线性回归法,提出了一种新的初始序列号猜测算法并加以验证;结果表明,序列号猜测对信息注入是有效的,可以减少注入的不确定性,目前操作系统的ISN生成算法仍然存在安全风险。

基于MFOA和LW的混沌时间序列鲁棒模糊预测

针对含有例外点的混沌时间序列的预测问题,提出了一种基于修正型果蝇优化算法(MFOA)和最小Wilcoxon方法(LW)的混合学习算法来训练T-S模糊模型,以达到准确建模和提高模型鲁棒性的目的。首先采用修正型果蝇优化算法优化模糊前件的高斯型隶属函数参数,利用其编程简单、收敛速度快的优点提高辨识精度和收敛速度。然后采用最小Wilcoxon方法辨识模型的结论参数,在训练数据中出现例外点时,LW方法的强鲁棒性可以有效克服传统最小二乘方法对例外点敏感的缺点。最后以Mackey-Glass混沌时间序列的预测为例进行仿真研究,通过比较不同的优化算法的辨识结果来验证修正型果蝇优化算法的优越性,并在系统存在例外点的情况下验证了所提方法的有效性和鲁棒性。

基于EMS时间序列数据的实时全息无损压缩方法的研究与应用

针对时间序列数据库存在压缩实时性差、损失数据精度、压缩比低等缺陷,提出了时间序列数据实时全息无损压缩方法。介绍实时全息无损压缩方法利用差值、异或运算等方式实现时间序列数据的快速、无损的高效压缩过程,并在实验室测试中通过实时全息无损压缩方法和Zip、Lzo压缩算法对120 MB的相同时间序列数据文件分别进行正弦数据、递增数据、功率扰动数据和开关量数据压缩测试。测试结果表明,实时全息无损压缩方法的压缩比最高可达到100∶1,可实现时间序列数据的无损、高效、快速压缩,具有强大的容错能力。

混沌时间序列预测算法的优度评价

将优度评价方法运用于混沌时间序列预测算法评价中,确定评价算法的指标体系。建立混沌时间序列预测算法关于各评价指标的关联函数来刻画各评价对象的优秀程度并计算关联度。计算出各评价对象的优度值,将其用于对各算法的综合优度的比较。实例证明,该方法直观、实用,可为混沌时间序列预测算法评价提供定量的依据。

基于混沌时间序列的大坝变形监测自适应预测模型

大坝监测统计模型中的残差序列存在混沌现象,针对残差时间序列中存在确定性有用信息,在考虑时间延迟和嵌入维数相关性的基础上,采用C-C方法进行混沌时间序列相空间重构,用VSSLMS算法求解非线性Volterra模型提取残差序列中的有用信息,并通过计算实例证明残差时间序列中的确定性因素能够提高模型的拟合和预测效果。