基坑变形混沌特征识别与非线性预测模型研究

混沌理论特征识别是进行混沌时间序列分析和预测的前提。普通的线性数学算法已经无解决基坑变形所遇到的问题,为了研究基坑变形监测数据的非线性复杂问题,采用混沌非线性理论方法,首先求取基坑变形时间序列的延迟时间和嵌入维数,其次对基坑监测数据进行相空间重构,最后对比分析加权一阶局域预测模型以及RBF神经网络混沌预测模型的预测结果,实验表明RBF神经网络混沌预测模型预测精度最高,同时也说明了混沌预测模型更适合短期预测。最终证明了RBF神经网络混沌预测模型应用在基坑变形监测中的可行性与有效性。

基于加权一阶局域理论的综合电力滤波器谐波电流预测方法

受硬件和软件条件的限制,现有的各种谐波电流检测万法都存在延时问题,一股约为一个周期。检测出的结果实际上是一个周期前的谐波电流,因而会产生较大误差。对谐波电流进行准确的跟踪和预测,然后根据预测值进行补偿是解决这一问题的有效方法。该文提出了基于加权一阶局域理论的谐波电流预测方法,该方法在t时刻预测出t+2时刻的谐波电流与其理想值的偏差值,通过选择t+1时刻的控制策略,利用加权最小二乘法使得在t+2时刻该偏差值为最小,从而实现了两步预测的无差拍控制。将中心点的空间距离作为一个拟合参数引入预测过程,提高了预测精度和消噪能力。该方法具有原理简单和实时性好等特点,仿真和实验结果验证了它的有效性和实用性。

基于优化相空间重构技术的风电场发电功率预测研究

大规模风电的接入将对电网的规划建设、分析控制、经济运行以及电能质量等方面产生一定的影响,较为准确的风电功率预测可减少电网旋转备用,为电网运行调度提供可靠的依据。以中国某风电场为例,对风力发电功率的超短期预测方法进行了研究,提出了以混沌理论为基础、基于相空间重构的风电出力混沌时间序列预测的方法,对相空间重构参数的优化进行了综合计算,定性分析了风电出力时间序列的混沌特征,同时对应用嵌入维空间的具体预测方法进行了研究。实际算例表明该综合方法具有较高的预测精度。

基于自回归滑动平均模型的风力发电容量预测

利用时间序列分析法对富锦风电场风电机组发电容量时间序列进行分析,通过长自回归模型法建立了基于这些数据的自回归模型(AR)和自回归滑动平均模型(ARMA)。在建模过程中,采用3种定阶方法分别建立了不同的ARMA模型,并在对比分析了不同模型的优缺点之后对其进行加权平均综合处理,最终得到较理想的预测模型,使风力发电容量短期预测的归一化平均绝对误差降到7%以内。

混沌时间序列改进的加权一阶局域预测法

加权一阶局域预测法是目前最常用的一种混沌时间序列预测方法。基于延迟坐标相空间重构理论,提出了混沌时间序列改进的加权一阶局域预测法。仿真结果表明该方法的多步预测性能与一步预测性能明显好于加权一阶局域预测法的多步预测性能与一步预测性能。

滑坡预测的非线性混沌模型

根据滑坡位移时间序列的非线性性质,应用混沌时间序列预测方法,建立滑坡预测的非线性混沌模型。在此基础上,介绍了加权一阶局域算法,并用这种算法对清江茅坪滑坡实际位移监测数据进行预测计算。结果表明,这种建立在非线性混沌模型基础上的方法不仅预测精度高,而且计算量小,相对容易操作,从而为滑坡位移提供了一种新的预测方法。

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.

用于混沌时间序列预测的分维指数加权一阶局域算法

提出分维指数加权一阶局域算法。该算法用最大Lyapunov指数和重构相点各分量所对应的延迟时间的乘积作为幂,构造一个指数形式的衰减因子,对加权一阶局域法的向量距离公式进行修正。修正后的距离公式不仅体现了各相点与中心点的相关性,还表示了相点各分量与中心点第一分量的关联程度。利用该算法对Logistic混沌时间序列进行预测的结果表明,相对于现有算法,本文所提算法明显提高了预测精度,而且序列的混沌性愈强,嵌入维数愈大,改进效果愈明显。

基于改进加权一阶局域法的空中交通流量预测模型

空中交通流量精准预测是实施空中交通控制和管理的重要前提.针对空中交通流量时间序列的内在混沌动力特性,研究了基于改进加权一阶局域法的混沌交通流量时间序列预测模型.首先,提出了一种临近相点演化加权的改进一阶局域预测法,并通过在预测过程中构建误差序列进行预测结果修正;其次,利用关联维数出现饱和现象验证了4组不同统计时间间隔的实测空中交通流量时间序列均存在混沌特性;最后,在对空中交通流量时间序列进行相空间重构的基础上,利用改进加权一阶局域预测方法进行了流量预测结果的对比实验.结果表明,4组空中交通流量时间序列预测精度均有提高,时间尺度为10 min的流量预测效果最好,预测相对误差减小了29.7%.

加权一阶局域法在电力系统短期负荷预测中的应用

在混沌时间序列的基础上提出加权一阶局域法 ,并将其应用于电力系统历史负荷数据序列进行预测 .通过对华东某电网实际负荷数据进行预测 ,结果令人满意 .

基于混沌时间序列局域法的短时交通流预测

为提高城市短时交通流预测精度,将混沌时间序列分析应用于城市短时交通流数据,研究混沌时间序列局域预测法中的加权零阶局域法和加权一阶局域法。针对局域预测法在选取邻近相点时采用的欧氏距离和向量夹角两种方法只能片面反映邻近点的特点的问题,提出一种改进邻近相点选取的方法,综合相点相似程度和相点距离来选取邻近相点。再将原有方法和改进后的方法应用于北京市短时交通流预测中。结果表明,混沌时间序列局域法能适用于短时交通流预测,并且改进后的方法比原有方法具有更高的预测精度。

基于关联度的混沌序列局域加权线性回归预测法

分析了基于欧氏距离局域预测法存在的缺点,在此基础上提出了一种基于关联度的局域加权线性回归预测法。该方法以关联度代替欧氏距离作为判别不同相点间相关性的准则,并将相点间的相关性大小通过“加权”的方式作用于混沌序列预测模型,从而克服了局域线性回归预测法的缺点。首先对新方法的原理及其合理性进行了系统阐述;然后推导了其算法过程;最后将该方法应用于电力系统短期负荷的预测中,得到了理想的预测结果。通过分析和比较,验证了所提方法的有效性。

基于非稳定渗流随机有限元的隧洞涌水量预测

在隧洞涌水量预测分析中,由于地质条件等不确定性带来岩体介质渗透性的空间变异性,所以渗流场不可避免地具有随机性。于是将岩体介质渗透张量视为三维各向异性空间随机场,并利用三维可分离向量随机场的局部平均法对随机场进行离散,从而得到一系列随机变量来近似描述随机场。然后基于一阶摄动法随机变分原理,推导出了三维非稳定渗流场随机有限元列式,通过对随机有限元列式的求解,得到非稳定渗流的随机渗流场,结合一阶Taylor级数展开随机有限元法,推导出渗流场中流量的均值和方差的计算公式,并编制相应的程序。最后,以一隧洞开挖为算例,进行涌水量的随机预测,并验证所提方法和程序的正确性和可行性。

基于改进加权一阶局域预测模型的短期负荷预测方法研究

针对混沌一阶局域预测模型中欧氏距离不能反映相空间中相点间的相关性大小,提出一种改进加权一阶局域预测模型。该模型将相点间的关联度和欧氏距离以加权值形式作用于一阶线性回归方程,综合考虑了最邻近点对预测中心点的邻近效应以及最邻近点与预测中心点的相关性,克服了常规一阶局域预测法存在的不足。通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。

混沌时间序列预测的改进型加权一阶局域法

提出了一种用于混沌时间序列预测的改进型加权一阶局域法。用衰减系数对分维指数加权一阶局域法的向量距离公式进行修正,调节邻近点与中心点的相关性,也调节了同一邻近点的各个分量和中心点的最后一个分量的关联程度。利用该方法对Logistic混沌时间序列进行预测的结果表明,衰减系数取最佳值时,相对于现有算法,该方法可以更精确地预测混沌时间序列。

基于多变量加权一阶局域混沌预测模型优化及应用

鉴于实际应用中多变量因素对混沌预测的影响,提出了多变量时间序列相空间重构方法,以此为基础建立多变量加权一阶局域混沌预测模型。引入等概率符号化极大联合熵求取延迟时间、最小香农熵法求取嵌入维数,实现多变量混沌预测模型子序列重构;对实际序列采用区间邻近点法确定预测中心点的邻近点,避免产生伪邻近点;最后用关联分析确定观测变量。将该模型应用于短期电力负荷预测,分析气温等影响因素与电力负荷的相关程度,引入气温时间序列作为另一观测变量,实验证明相对于单变量预测方法提高了预测精度。

运用趋势混沌预测模型预测硫化矿石堆自热升温过程

为准确预测硫化矿石堆自热过程中的温度变化,根据硫化矿石堆的氧化升温特征建立温度趋势预测模型,在对趋势预测结果的差值序列进行混沌识别后,采用加权一阶局域法建立混沌预测模型。再将两者叠加构成趋势-混沌组合预测模型,并应用该模型对模拟矿石堆温度进行预测。研究结果表明:硫化矿石堆温度与时间的关系符合指数模型特征,利用此模型可对矿石堆温度变化趋势进行预测;趋势预测差值序列的关联维数为分数,Kolmogorov熵大于0,表明趋势预测差值序列中含有混沌项,可对其进行混沌预测;预测结果证实趋势-混沌组合预测模型具有很高的预测精度,能够很好地适用于硫化矿石堆自燃火灾的早期预测。

“负荷趋势+混沌”预测法的改进

"负荷趋势+混沌"预测法,将负荷拆分成"负荷趋势"和"混沌"部分。但其在分离负荷趋势部分时提取过量,混沌预测模型存在累积误差。针对这些问题文中根据周期与混沌的频谱特性,通过快速傅里叶变换确定周期分离的量;根据邻近点是否是预测值,对加权一阶局域法多步预测的邻近点权重增加因子进行修正;同时对剩余负荷为随机噪声的情况进行了处理。通过对海南地区负荷进行预测,验证了改进后的方法在预测精度方面有明显提高。

混沌时间序列在边坡位移预测中的应用

根据非线性边坡位移时间序列,运用相空间重构理论,建立了加权一阶局域法边坡位移预测模型、基于Lyapunov指数的边坡位移预测模型、基于神经网络的混沌时间序列边坡位移预测模型,对比分析了三个预测模型的特点。新龙寺滑坡预测研究表明,基于混沌时间序列预测方法具有很好的预测精度和广泛的适应性。

改进CRITIC修正G2-TOPSIS的钻孔自燃预测模型及应用

针对瓦斯抽采钻孔自燃危险评价系统模型中指标权重难以确定的问题,提出一种改进的基于指标相关性权重确定法(CRITIC)的G2赋权法。首先引入欧式距离函数,建立优化决策模型,采用CRITIC的“差异驱动”型赋权法修正“功能驱动”型G2赋权法;其次获得各指标综合权重,评价影响钻孔自燃危险因素的主次关系;再次基于逼近理想解排序法(TOPSIS)“驱动功能”的G2赋权法,建立G2-TOPSIS钻孔自燃危险评判模型;然后分析贴近度,预测钻孔自燃危险等级;最后将该模型应用于晋牛煤矿1303工作面瓦斯抽采钻孔。结果表明:煤氧化还原燃点温差为诱发钻孔自燃危险的主导因素;钻孔自燃危险等级为III级,预测结果与实际情况相吻合。