混沌时间序列的平均周期计算方法

在研究制造质量信息系统的混沌特性,使用小数据量法求解时间序列的Lyapunov指数时,使用文献中推荐的方法计算得到的平均周期不可信。针对这个问题,对比分析了六种平均周期计算方法,及其与时间序列长度、经过FFT变换后的幅值及功率之间的关系。在此基础上,以华南智信的日产品生产合格率数据及Lorenz系统产生的混沌时间序列为原始数据,计算这两个混沌时间序列的六个平均周期。实际生产数据与Lorenz系统数据进行对比后,发现六种平均周期对于平均周期计算来说,大小变化是一致的;再结合生产合格率数据的物理意义,对计算结果进行分析,综合前述理论分析,得到的结论是以功率加权计算得到的平均周期的在实际使用过程中有意义。     

高频雷达海洋回波混沌特性研究

为分析大面积海域海洋回波的混沌特性,使用时间序列相空间重构、时间延迟、嵌入维数、关联维数和Lyapunov指数等混沌特性研究方法。利用海洋状态测量与分析雷达(OSMAR 2000型)获取的时间序列数据,基于Donald E.Barrick提出的线性调频中断连续波(FMICW)雷达信号处理方法和一、二阶海洋表面回波理论,对位于浙江舟山东海岸张角约65°,距离约200 km的扇形海面高海态和低海态回波数据进行了分析处理,证明此类海洋回波具有混沌特征。     

海杂波的混沌特性分析

介绍了相关维数、Lyapunov指数等用于描述混沌动力系统的重要概念及其计算方法,并对雷达采集的实际海杂波时间序列数据进行了计算分析。结果表明,海杂波具有有限的相关维数和正的最大Lyapunov指数,说明海杂波信号具有混沌系统的典型特征。     

基于混沌理论的上海股市非线性动力学研究

介绍了资本市场的非线性动力学方法,使用重构相空间技术重构了上海股市的相空间,描述了其二、三维演化趋势图,并分别计算了关联维数,得到了它的饱和嵌入维数,说明上海股市是具有分数维结构的低自由度混沌系统,计算了最大Lyapunov指数。通过计算表明,上海股市是混沌系统,进一步解释了上海股市非线性复杂性形成的机理。     

我国资本市场混沌特性研究

提出通过相空间重构及 Lyapunov指数来判定系统的混沌特性 .给出了时间序列相空间重构中确定最小嵌入维数的伪邻点法及确定时滞参数的自相关函数法 ;提出了一种计算 Lyapunov指数的实用方法 ;最后 ,以上证综合指数收益率时间序列为例进行了我国资本市场混沌特性判定研究 .     

一种在线实时快速地判定交通流混沌的组合算法

交通控制的实时性要求高，需要在线实时快速地判定交通流混沌，才可能实现交通流的混沌控制。计算时间序列的最大Lyapunov指数是判定混沌的主要方法。本文提出一种在线实时快速地判定交通流混沌的组合算法。该算法先用关联积分法（C—C方法）确定重构相空间的两个重要参数——嵌入维m和延迟时间τ，再用小数据量方法计算时间序列的最大Lyapunov指数。为检验算法的有效性，首先将算法用于几个最大Lyapunov指数已知的经典混沌系统，比较计算结果；同时对皮埃莱（Bierley）跟驰模型产生的理论交通流时间序列做了仿真试验，计算了其最大Lyapunov指数。实验结果表明这种算法可以用于数据少的交通流时间序列，并且抗噪性好。     

基于Lyapunov指数的混沌时间序列识别

混沌特性的识别是对非线性时间序列进行分析、预测、控制的基础。本文克服了已有文献用Lya-punov指数识别混沌时计算Lyapunov指数的不足,由关联积分构造统计量来计算相空间重构的参数,然后利用混沌的遍历性及定义,提出了计算最大Lyapunov指数的新方法。     

利用0-1测试快速识别交通流时间序列中的混沌

交通流时间序列混沌识别的方法主要有最大Lyapunov指数法、关联维数法和替代数据等方法,但这些方法需要对交通流时间序列进行相空间重构。引入一种新的判别交通流时间序列混沌特性的方法——0-1测试方法,该方法不需要对时间序列进行相空间重构,因而方便对交通流时间序列中的混沌现象进行快速检测。首先利用Logistic映射产生的时间序列对该方法的有效性进行了检验,随后又选用两组不同的实测交通流时间序列利用0-1测试进行了混沌检验。研究结果表明:在两组交通流时间序列中都存在混沌成分,而在其中一组数据中还存在随机成分。     

激光雷达回波信号的混沌特性研究

应用混沌动力学方法分析和计算了激光雷达回波信号的混沌特征参数,包括关联维,Lyapunov指教及局部可预测性.证明激光雷达回波信号具有有限的关联维,正的Lyapunov指数及短期可预测和长期不可预测的特点.运用实测数据验证了激光雷达回波信号具有混沌特性,这一结论为激光雷迭的目标检测开辟了新思路.     

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１５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Kalman滤波算法的Volterra级数核估计及其应用

为了进一步提高Volterra级数模型在混沌时间序列预测中的精度以及核估计的收敛速度,提出利用自适应Kalman滤波算法对Volterra级数核进行估计的一种新方法。同时,在混沌动力系统相空间重构的基础上,采用关联维数法和最大Lyapunov指数法,对船舶运动时间序列进行混沌特性判定,并对船舶横摇运动时间序列进行多步预测。仿真表明,与归一化最小均方(normalization least mean square, NLMS)算法和最小二乘(recursive least-square, RLS)算法的Volterra级数模型相比,基于自适应Kalman滤波算法的Volterra模型在收敛速度与预报精度方面均优于NLMS算法和RLS算法,为实时在线预报提供了理论依据。     

Empirical Evidence about Chinese Macroeconomic Chaos

In this paper,we apply techniques in dynamics to search for empiricalevidence of chaos in Chinese macroeconomic time series.We test national financial expenditure(including foreign loans)and obtain that its correlation dimension is about 2.10 and its Lyapunovexponent is positive.So national financial expenditure(including foreign loans)is chaotic andpossesses low dimensional strange attractor.Moreover,at least four variables are needed todescribe its potentially dynamical behaviors.     

基于混沌预测的模糊神经网络控制器设计及应用

由于混沌时间序列内部确定的规律性 ,其重构出混沌吸引子的相空间具有高精度短期预测性。根据非线性、大时滞系统的时间序列重构相空间 ,计算相空间的最大Lyapunov指数、饱和嵌入维数和可预报尺度 ,并以此为指导 ,对系统作高精度预测。在此基础上 ,又设计了遗传算法优化的模糊神经网络预测控制器 ,实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在锅炉过热汽温控制中 ,仿真表明该控制的有效性、准确性和鲁棒性。     

时用水量观测序列的最大Lyapunov指数及其预测时间尺度

在传统wolf最大Lyapunov指数算法的基础上,提出新旧向量转变考虑长度及角度权重搜索的改进wolf计算方法.利用提出的改进算法对杭州市时用水量观测序列的混沌特性及其最大可预测时间尺度问题进行了探讨.为求比较,文中还分别对1小时和24小时两种时间间隔的用水量序列进行了最大Lyapunov指数计算.结果表明:1时用水量系统中存在明显的混沌特性;224时间隔的序列具有长于连续时序列的最大预测尺度.以上两条性质的提出对城市时用水量的较好预测具有其现实意义.     

基于混沌-神经网络模型最优控制及应用

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性．为此，为了实现非线性、大时滞系统的自适应控制，文章根据具有混沌特性非线性、大时滞系统的时间序列重构相空问，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对系统作高精度的短期预测；在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数寻优得最优控制决策，实现了对非线性、大时滞系统高精度的自适应预测控制．将该控制决策应用在锅炉过热汽温控制中，仿真表明该控制的有效性、快速性和鲁棒性．