非线性科学在地球科学中的应用

本文介绍了耗散结构理论、分形理论和混沌理论等非线性科学在地球科学中的研究进展,分析了非线性科学在地球科学中的地位和作用,探讨了将非线性科学引入地球科学的途径和方法。     

岩性储集层的混沌识别技术研究

本文从动力学系统原理出发,论述了混沌理论中的李指数法,并从地震剖面上提取李指数,并应用李指数来区分和识别储集层的岩性变化特征和含油气性。计算和应用研究表明,李指数随着相空间维数的增加容易趋于稳定值,这就使它预测地震序列横向变化的可靠性增大,这正是李指数预测岩性和含油气性的一个优越性。成功地应用实例表明,混沌识别技术是岩性储集层的一种有效识别技术,并具有广阔的应用前景。     

非线性时间序列分析的最新进展及其在地球科学中的应用前景

评述了非线性时间序列分析的最新进展,包括相空间重构、序列性质的鉴别、建模与预报,同时介绍了非线性时间序列分析在地球科学中的应用概况。     

地下水位的混沌和多重分形特征演化及其中短期预报意义

采用苏20井记录到的1995年7月1日至1997年6月30日地下水位观测数据作为研究的原始资料,计算并研究了1996年11月9日南黄海 M_S 6.1地震前后地下水位系统混沌吸引子的关联维数D₂、二阶熵K₂和最大Lyapunov指数λ₁,并用推广GP法研究了地震前后系统多重分形的广义维数谱D_q。研究结果表明:地下水位系统为混沌系统,系统的自由度在3~16之间;地震过程中系统有降维减熵现象,震前广义维数谱D_q左半边曲线变陡,因而可被看作为强震前的前兆信息。此结果对今后在预报工作中认识地震前兆观测的非线性动力学特征和利用这些特征进行地震预报具有重要的实用意义。     

混沌RBF神经网络的地磁变化场预测模型

提出一种融合混沌理论和RBF(radial basis function)神经网络的地磁变化单站预测模型。分析磁场数据的混沌特性,求取关键参数嵌入维数m和时间延迟τ,据此对初始数据进行相空间重构,并将经混沌理论优化的样本集作为神经网络的训练集和测试集进行仿真实验。结果表明,经混沌理论改进后的RBF神经网络模型可以较为准确地预测地球磁场的变化趋势,对我国地磁场的适用性较好,具有一定的泛化能力。     

混沌理论在桥梁变形监测中的应用

针对桥梁的非线性下沉问题,引用了混沌理论,首先求取时间序列的两重构参数时间延迟τ和嵌入维数m进行相空间重构;随后进行混沌特性判别,确定该时间序列存在混沌迹象;最后根据所求参数建立加权零阶局域预计模型和RBF神经网络混沌预计模型对观测数据进行预计分析,并与系数为0.9的指数平滑预测模型进行比较,结果显示混沌预计模型值更接...     

结合多混沌映射和输出反馈的图像加密算法

提出了一种结合多个Logistic混沌映射和逐段正弦混沌映射的图像加密算法。通过m个Logistic混沌映射的多次迭代,分别产生m个分段正弦混沌映射的初值和参数值,由m个分段正弦混沌映射迭代产生图像加密密钥序列,并引入密文输出反馈机制,对图像像素值逐点进行2轮异或加密。实验表明,该算法使密文对明文和密钥都充分敏感,加密图像像素值具有类随机均匀分布特性,相邻像素具有零相关特性,而且算法具有密钥空间大、加密速度快的优越性。     

基于Duffing振子混沌系统的地震速度分析方法

强随机噪声干扰是导致地震勘探资料低信噪比的主要原因,如何在强随机噪声干扰下获取有效的信息是值得关注的问题.Duffing振子混沌系统是一个非线性的动力学系统,其对强随机噪声具有免疫能力,而对特定的周期性信号具有敏感性.本文提出一种基于Duffing振子混沌系统的速度分析方法.对CMP道集按照时距曲线关系进行移动窗口截取,将所截取的信号构建为待测信号加入Duffing振子混沌系统,通过相图网格分割方法(GPM)判断系统状态的改变,从而在强随机噪声背景下获得高分辨率的速度谱.理论模型和实际资料的处理结果表明,与传统的水平叠加速度分析方法相比,本方法能够在强随机噪声背景下获得更准确的速度分析结果.     

混沌遗传算法在高层结构风振控制优化中的应用研究

将混沌遗传算法(Chaos Genetic Algorithm,简称CGA)引入高层结构的风振控制优化中,对采用黏弹性阻尼器来控制风振响应的高层结构进行参数优化;用Matlab语言编制了均布法、迭代法、简单遗传算法(Simple Genetic Algorithm,简称SGA)和混沌遗传算法的风振控制优化分析程序;对9个高层结构进行风振控制优化,对比了算法程序的计算效率以及无控、均布、迭代、SGA和CGA工况下的结构风振响应。研究结果表明:混沌遗传算法可以应用于高层结构风振控制优化之中;混沌遗传算法的计算效率比简单遗传算法最高提升了29%;经混沌遗传算法优化后,黏弹性阻尼器附加给结构的附加阻尼比与均布和迭代相比最高分别提高了61%和22%,CGA工况的顶层加速度响应与均布和迭代法相比最高分别减小了14%和12%。为高层结构风振控制优化研究提供了新思路,具有一定的理论价值和实际意义。     

数值模式延伸期可预报分量提取及预报技术研究

针对延伸期尺度的可预报分量,借鉴了CNOP相关算法,形成了在数值模式中提取可预报分量的实用方法和预报技术.从模式预报误差增长的角度将模式变量分为可预报分量和不可预报的混沌分量,将可预报分量定义为在预报时段内误差增长较慢的分量.基于现有的国家气候中心月动力延伸预报业务模式,建立了针对可预报分量的数值模式.同时结合历史资料有用信息,对数值模式的可预报分量,在历史资料的可预报分量中寻找相似场,降低了相似判断过程中变量的维数,进一步对可预报分量的预报误差进行订正.对混沌分量利用历史资料,通过集合预报方法得出其期望值和方差.数值试验结果表明,该方法能有效提高10～30天延伸期数值模式大气环流场的预报技巧,具有良好的业务应用前景.