基于近似熵的径流序列复杂性研究

在引入近似熵并给出人类活动影响程度E的基础上,对黄河径流序列的复杂性进行了分析。结果认为,对黄河上游实测径流变化的研究应以洪水的变化为主,对天然径流变化的分析应以干旱(断流)为重点;而对黄河下游实测径流变化及天然径流的研究均应以干旱(断流)为主。

基于变化点的时间序列近似表示

时间序列的近似表示能够提高时间序列数据挖掘的效率和可靠性。提出了一种基于变化点的时间序列近似表示,具有简单直观、近似质量高、适应能力强等优点。在来自不同领域的真实数据集上的实验表明:与时间序列的重要点分段表示和分段常量表示相比,基于变化点的时间序列近似表示在近似质量和适应能力上都具有明显的优势。

假高粱及其近似种rDNAITS序列同源性分析

根据高粱属核糖体基因转录间隔区 (ITS)序列设计通用引物S9 S3,分别扩增了假高粱及其几个近似种的ITS区段 ,并对PCR产物进行了序列测定和分析。扩增的序列长度为559～ 56 4bp。序列分析的结果表明S .halepense、S .silk、S .vulgare×S .sudanense、S .vul gare、高粱S .bicolor等属于同一聚类组 ,亲缘关系比较近 ,同源性为 97 9%～ 1 0 0 %。S .niti dum和S .versicolor属于另一个聚类组 ,亲缘关系比较近 ,同源性为 97 7%。S .halepense和S .nitidum、S .versicolorITS区序列差异大 ,亲缘关系较远 ,同源性仅为 90 3%。序列分析结果支持S .nitidum属于Parasorghum区组。

基于可靠度的结构优化的序列近似规划算法

基于可靠度的优化的最直观解法是把可靠度和优化的各自算法搭配一起形成嵌套两层次迭代。为改善其收敛性提高计算效率,人们提出了功能测度法、半无限规划法、单层次算法等多种改进方法。本文对传统结构优化界的经典序列近似规划法改造并扩展应用于求解基于可靠度的结构优化问题,构造该问题的序列近似规划模型和求解过程;其核心思想是在每个近似规划子问题中采用近似可靠度指标对设计变量的线性近似,在优化迭代过程中同步更新设计变量和随机空间中的近似验算点坐标,以达到可靠度分析和优化迭代同步收敛的目标。为了算法的实施,还推导出近似可靠度指标的半解析灵敏度计算公式,编制了程序,最终实现与通用软件的连接。论文用算例证实算法的有效性。

基于近似熵的交通流序列趋势变化检测

交通流趋势变化特征分析是交通流预测的基础.为了提取交通流序列随时间推移所呈现出来的宏观变化规律,提出了一种用于检测交通流序列趋势变化的滑动移除近似熵方法.通过对交通流序列趋势规律进行研究,首先将其细分为上升趋势、平稳波动趋势、下降趋势,然后根据不同趋势变化的时间序列复杂程度不同,建立了滑动移除近似熵方法求解其滑动移除近似熵的值,并根据得到的时间序列提取交通流序列趋势变化.最后以北京市四环路某一断面交通流序列为例,用建立的模型对交通流序列趋势变化进行检测,并与滑动t检验方法结果对比.研究结果表明本文提出的方法能够对交通流序列趋势变化进行检测,且检测结果与实际交通流序列趋势变化比较吻合,研究结论可为短时交通流预测建模提供参考依据.

基于小波变换的水文序列的近似周期检测法

将小波变换引入随机水文过程的研究领域，根据水文现象的物理成因，通过对水文序列进行小波变换，借以测定水文序列隐含的近似周期，并利用Ｆ检验最终确定水文序列隐含的近似周期。计算结果表明，用小波变换确定水文序列隐含的近似周期准确性较高，是一个较好的确定水文序列近似周期的方法。

基于符号化聚合近似的时间序列相似性复合度量方法

基于关键点的符号化聚合近似(SAX)改进算法(KP_SAX)在SAX的基础上利用关键点对时间序列进行点距离度量,能更有效地计算时间序列的相似性,但对时间序列的模式信息体现不足,仍不能合理地度量时间序列的相似性。针对SAX与KP_SAX存在的缺陷,提出了一种基于SAX的时间序列相似性复合度量方法。综合了点距离和模式距离两种度量,先利用关键点将分段累积近似(PAA)法平均分段进一步细分成各个子分段;再用一个包含此两种距离信息的三元组表示每个子分段;最后利用定义的复合距离度量公式计算时间序列间的相似性,计算结果能更有效地反映时间序列间的差异。实验结果显示,改进方法的时间效率比KP_SAX算法仅降低了0.96%,而在时间序列区分度性能上优于KP_SAX算法和SAX算法。

近似周期时间序列分析（英文）

本文首先给出了近似周期时间序列概念,即:具有周期特征但是周期长度变化的时间序列.比如,太阳黑子序列具有11年左右的周期,但是其周期并不是11,而是在11左右变化,这就是一个近似周期序列.然后给出了提取近似周期趋势方法,并且提出了广义差分算子,这里提出的广义差分算子不仅可以消除时间序列的长期趋势和周期性,而且还可以消除近似周期性.最后,以太阳黑子序列为例说明了广义差分算子的应用.

序列近似优化方法

随着工程优化中仿真模型精度和计算时间的不断提高,常规的智能优化方法难以在可接受的计算代价中得到最优解。序列近似优化方法通过将近似模型技术引入优化过程,并采用不断更新采样点的方法来指导寻优,在基于计算耗时模型的优化中得到了越来越广泛的应用。通过论述序列近似优化方法的若干关键技术及其发展现状,可有效指导其在工程优化中的应用,并给出了序列近似优化方法可能的改进方法及发展趋势。

投资组合优化模型的一个序列凸近似算法

以CVaR为代表的凸优化投资组合模型近年来引起了广泛研究.为克服传统投资组合模型中凸近似的不足,提出了一个投资组合的DC规划模型.该模型用一个DC函数替代了CVaR模型中的凸近似函数,同时要求所有约束条件在概率意义下成立.进一步地,提出了一个序列凸近似(SCA)算法用于求解DC规划问题,并运用Monte-Carlo方法来实现SCA算法.初步的实验结果表明,因子收益服从"尖峰厚尾"分布时,模型的目标函数值优于采用CVaR近似的目标函数值.

基于序列近似优化算法的固体运载火箭弹道设计

采用打靶法研究固体运载火箭弹道优化设计问题。针对打靶法中智能优化算法效率、优化问题中约束条件提法等方面的不足,引入序列近似优化算法,提出算法中径向基函数高斯核宽度的高效确定方法。数值仿真实验表明,提出的方法可在基本不带来计算量增加的前提下,显著提高代理模型精度,使序列近似优化算法得到改进,提高优化效率。设计固体运载火箭飞行程序。建立弹道优化设计问题数学模型,并将模型中相关等式约束合理转化为不等式约束,降低优化问题求解难度;基于改进后的序列近似优化算法完成某固体运载火箭弹道优化,原始计算模型调用308次之后便搜索到最优解,较传统智能优化算法显著提高了优化效率,优化方案末助推级液体推进剂消耗比原方案减少25.7%。

基于格代数的最长公共子序列近似求解

多条序列的最长公共子序列可以代表多条序列的公共信息,其在诸多领域里有着重要的应用,如信息检索、基因序列匹配等。求解多条序列的最长公共子序列是著名的NP难问题,本质为多解问题。一些近似算法虽然时间复杂度较低,但只能求出单解,对于有多解的序列集合,求得的结果信息量损失较大。因此提出一个新的近似算法来解决最长公共子序列问题。算法引入了代数结构"格",通过动态规划求解出两条序列的公共格,并递归求解当前格与当前序列的公共格。公共格中的路径保存了多条公共子序列使得最终求解出的最长公共子序列为多个。对算法的相关定理给出了理论证明,并通过实验验证了算法的正确性。

生理信号时间序列周期性和平稳性对近似熵和样本熵算法的影响分析

目的提高近似熵和样本熵算法在评价生理信号时间序列非线性复杂度应用中的精度。方法首先生成生理信号时间序列数据库,通过对周期序列和叠加有周期成分的非线性序列的分析,研究序列周期性对熵测度算法的影响,并通过对心率变异性(heart rate variability,HRV)序列在去除非平稳趋势前后的对比分析,研究序列平稳性对熵测度算法的影响。结果在序列长度范围内,不同重复频率的周期序列熵测度不同,不同比重的周期成分叠加到非线性序列中引起序列熵测度的变化也不同。生理信号时间序列中大都存在非平稳成分,而非平稳成分会降低序列的复杂度,因此进行熵测度计算前首先要去除非平稳成分。结论周期性和非平稳成分显著影响生理信号时间序列的熵测度算法。

序列近似优化方法及其在火箭外形快速设计中的应用

针对序列近似优化方法在代理模型构造与采样策略等方面的不足,基于采样点局部密度,引入与局部密度成反比的样本点影响体积概念,通过优化总影响体积确定径向基函数最优核宽度,满足序列近似优化过程不同规模、非均匀样本条件下的函数近似需要;建立潜在可行域最大距离加点准则,并与潜在最优加点准则结合平衡算法的探索能力与开发能力;建立三步收敛判定准则;构建改进序列近似优化的算法流程。对于Golinski减速器的优化设计问题,算法在目标函数调用42次后便搜索到全局最优解,体现了其良好的全局寻优能力与搜索效率。以"天航二号"火箭为例,建立其外形优化问题数学模型,所提优化方法在调用原始计算模型165次之后便搜索到全局最优解,大大提高了设计效率,同时飞行试验也表明设计结果满足要求。

基于小波熵的时间序列分段聚合近似表示

由于时间序列数据具有高维性等特征,不易直接进行挖掘。在对时间序列数据进行挖掘之前通常先进行特征表示达到降维的目的,分段聚合近似表示(PAA)是特征表示方法中比较常用的一种,针对PAA算法对每一区间有平均对待的缺点,提出一种采用小波熵的时间序列分段聚合近似表示,将小波熵运用到PAA算法的改进中,把某一区间内的小波能量熵值作为判评区间复杂度的指标,按各区间内小波熵值的比重分配各区间内分段数,实现对复杂区间详细描述,对相对平稳区间粗略逼近,利用matlab平台仿真证明,上述方法在压缩比相同的情况下比PAA方法更好地拟合原始序列,不仅能对时间序列有效地降维,而且能使近似更加精确,进而实现时间序列数据挖掘效率的提高。

DNA序列频繁近似模式挖掘

本文在引入近似度等概念的基础上,构造了频繁近似模式,并证明了相关性质,同时提出了相应的频繁近似模式的挖掘算法(SFAP)算法。实验结果表明该算法能有效挖掘DNA序列中的频繁近似模式,DNA序列中频繁近似模式的挖掘为生物学的相关实验提供基础。

冠心病患者RR间期序列的近似熵分析

目的通过近似熵研究冠心病患者心率变异性(HRV)的改变。方法采用近似熵这种只要较短数据就能表现信号特点的非线性动力学参数进行心率变异性分析。通过静卧-行走和静卧-心算两种实验方案下分别采集健康人(25例)和冠心病患者(26例)的RR间期信号进行方差分析以及近似熵分析。结果发现可以通过HRV的方差和近似熵的相对变化来评价受试者的心率调节机制,尤其在静息-行走应激实验中,行走状态时方差比静息状态时小,而近似熵比静息状态时大(P<0.05)。结论按节拍行走这样的有规律运动有利于冠心病病人心率调节机制的改善。

应用标准序列逻辑蕴涵的近似推理

本文讨论了应用标准序列逻辑蕴涵R_s的近似推理方法及其具有的良好性质,并给出在离散论域下计算的实例和程序,与其它方法作了比较,还给出了R_s下的多重多维推理公式。

上次对角双线性时间序列模型的近似三阶矩结构和双谱密度

本文讨论一类特殊的双线性时间序列模型,该模型中,每一个双线性项均为两个相关的随机变量的乘积,该模型的二阶结构(自协方差和谱)目前已经很清楚了,同线性ARMA模型类似,亦具有有理谱密度,理论上,为了识别该模型,通常是考虑三阶结构(三阶矩和双谱),但由于该模型的复杂性,精确的三阶结构是无法求出的,本文给出一种计算近似三阶矩的公式,由此得到了近似的双谱密度,仿真计算验证了这种方法是有效的。

近似非齐次指数序列预测的新融合模型构建

DDGM(1,1)模型和LS-SVM模型都是针对小样本进行预测的方法,文章根据DDGM(1,1)模型和LS-SVM模型结构特点上的相似性,将LS-SVM算法引入DDGM(1,1)模型,构建了一种基于DDGM(1,1)与LS-SVM算法融合的预测模型。该模型基于DDGM(1,1)模型作为建模原型,利用LS-SVM算法优化了DDGM(1,1)模型的参数估计方法,增强模型的推广性。实验表明,新模型充分发挥两种小样本预测技术的各自优势,实现了优势互补,对近似非齐次指数时间序列的预测具有较高精度。