基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术，并借助G—P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数，结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数，将局域加权一阶多步预测模型应用于地下水位预测。预测表明，此模型可有效应用于地下水位时间序列的多步预测。     

基于神经网络的混沌时间序列预测

应用混沌方法对时间序列观测数据进行处理,计算出最大lyapunov指数,得到最大可预报时间尺度。在此基础上,建立人工神经网络预测预报混沌时间序列的模型。结合实例,对该预测方法进行了计算验证。     

0-1测试方法的径流时间序列混沌特性应用

径流时间序列混沌特性识别的常用方法是基于相空间重构的关联维数法、最大Lyapunov指数法和Kolmogorov熵法。引入一种新的时间序列混沌特性识别方法:0-1混沌测试方法。该方法直接应用于时间序列不需要相空间重构,并且通过量化指标K_c是否接近于0或1来识别时间序列的混沌特性。以Logistic映射生成的序列、金沙江流域和美国Umpqua河多年日径流序列为研究对象,首先利用0-1混沌测试方法进行了混沌特性识别和判定;然后基于相空间重构,运用相空间重构、伪最近邻点法、关联维数方法、最大Lyapunov指数法和Kolmogorov熵5种非线性研究方法分析了这两列径流时间序列混沌特性。研究结果表明0-1混沌测试方法简单有效。以上方法交互验证了该两列径流时间序列存在低维混沌特性。     

对水文时间序列混沌特征参数估计问题的讨论

水文过程到底是不是低维混沌过程一直是个有争议的问题。相关文献在混沌特征参数估计中存在不少问题,包括:时延量估计的主观性很强,不同研究者的估计值差别很大;在关联维估计中,很多研究者有意无意地忽略了一个基本原则,即只有在关联维估计图上存在明确的标度区的情况下才能准确判断存在有限关联维;很多研究者在计算水文时间序列的关联维时仍采用原始的G-P计算公式,而没有采用Theiler提的修正公式,从而可能误将相点在时序上的相关性当做一种状态空间几何特征,造成关联维估计错误;国内相关研究中还普遍存在序列长度偏短的问题,对这些问题进行了讨论并给出了相应的结论。     

南洞地下河月径流时间序列的混沌特征及预测

利用基于相空间重构技术、混沌识别与预测理论对1993-2013年南洞地下河月径流时间序列的非线性特征进行了分析,由所获得的延迟时间和最佳嵌入维数实现了月径流时间序列的相空间重构,运用饱和关联维数法和小数据量法计算出南洞地下河月径流时间序列的饱和关联维数和最大Lyapunov指数,并运用Volterra模型对南洞地下河月径流时间序列进行了多步预测研究。研究结果表明,南洞地下河月径流时间序列相空间重构的延迟时间和最佳嵌入维数分别为τ=5、m=8,饱和关联维数D和最大Lyapunov指数λ分别为4.63、0.748 9,从定性和定量的角度证明了南洞地下河月径流时间序列具有弱混沌特征。Volterra自适应滤波模型的预测结果能较好地表征南洞地下河月径流的变化趋势和规律,对18个月内的短期预测精度较高,模拟效果较好。      

矿井涌水量时间序列混沌特性的Kolmogorov熵判别

根据相空间重构理论和技术以及G-P算法,在嵌入维按等间隔m不断增加的情况下,在无标度区间内,作等斜率线性回归,利用最小二乘法得到6个典型矿区矿井涌水量时间序列的Kolmogorov熵。结果表明其具有混沌特性,从而可为确定矿区地下水系统特征、性质和矿井涌水量预测模式提供理论依据。     

成矿元素巨量聚集的混沌机制——斑岩型和构造蚀变岩型矿床例析

成矿元素含量的变化受控于成矿系统内部的动力学过程,具有较强的随机性与混沌特征,对其变化特征的定量刻画有助于深入理解成矿过程,并为找矿预测提供理论依据。本文以三江普朗斑岩型铜矿的Cu元素与胶东大尹格庄构造蚀变岩型金矿的Au元素品位序列为研究对象,运用混沌时间序列分析法中的相空间重构技术、吸引子的关联维及最大Lyapunov指数解析了Cu与Au元素品位序列的分布特征。结果显示:斑岩型铜矿强矿化和中矿化Cu元素品位的饱和关联维介于4.42与9.69之间,饱和嵌入维介于25与28之间,最大Lyapunov指数介于0.0021与0.0661之间,弱矿化勘探线Cu元素关联维没有出现饱和现象,最大Lyapunov指数随着嵌入维的增大,由正数变为负数;构造蚀变岩型金矿的强矿化勘探线Au元素的关联维为3.18,饱和嵌入维为23,最大Lyapunov指数为0.0082,而中矿化和弱矿化勘探线Au元素的关联维没有出现饱和现象,且随着嵌入维的增大,最大Lyapunov指数由正数变为负数,表明斑岩型中-强矿化地区的Cu元素和构造蚀变岩型强矿化区域的Au元素品位序列具有混沌动力学特征,而弱矿化地区的Cu元素及中弱矿化地区的Au元素品位序列则具有更强的随机性特征;同时,具有混沌特征的斑岩型铜矿的饱和嵌入维和关联维及最大Lyapunov指数的均值都大于蚀变岩型矿床,说明斑岩型铜矿比蚀变岩型矿床的元素具有更强混沌特性与更复杂的控制因素,如温度、硫化作用、流体不混溶、蚀变叠加等。     

遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用

区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。     

边坡演化的非线性时间序列多元混沌判别

以实测非线性时间序列为对象, 通过估计延迟时间与嵌入维数的相空间重构方法, 采取排除时间相关性点对的方法计算边坡系统关联维数D2;采用改进的Kantz法计算最大Lyapunov指数、以K₂熵作为Kolmogorov熵的近似, 并引入近似熵ApEn及系统复杂度混沌特征指标, 研究了边坡演化的多元混沌特征.通过实例分析, 发现多数边坡系统关联维数D₂为非整数, 最大Lyapunov指数、熵值均大于零以及系统复杂度位于(0, 1) 区间偏小值, 通过与确定性系统特征量的比较, 揭示了边坡系统的混沌特征, 并得出临滑阶段边坡混沌特征最为明显的结论.      

流域降雨径流时间序列的混沌识别及其预测研究进展

混沌和随机在本质上是两种不同的特征,对这两种特征的描述方法各不相同,确定流域降雨径流时间序列的混沌性和随机性是对其进行模拟和预测的重要基础。近10多年来,许多学者相继开展了流域降雨径流时间序列的混沌识别及其预测研究。着重回顾其中最为重要的相空间重构、混沌识别和混沌预测方法,对将混沌理论应用于降雨径流时间序列的限制条件(序列的数据量大小和数据噪声)也进行了探讨。     

矿井涌水量混沌时间序列分析与预测

矿井地下水系统是个非线性系统,由于地下水系统的复杂性,很难完全确定影响矿井涌水量的因素,因此传统的矿井涌水预测表现出较大的局限性。而混沌时间序列分析能够利用单变量处理方法,分析矿井地下水系统中,由于多因素耦合作用所产生的矿井涌水量时间序列。通过对某矿区1985年9月至2005年2月矿井涌水量时间序列资料的分析,显示矿井涌水量时间序列具有混沌特征;通过对比预测值和实测值,表明预测精度高。因此,混沌时间序列分析方法用于矿井涌水量预测是可行的。     

混沌时间序列支持向量机模型及其在径流预测中应用

以重构相空间理论为基础,探讨了混沌时间序列的支持向量机预测模型建模的思路、特点及关键参数的选取。利用饱和关联维数法进行相空间重构,并运用改进小数据量法计算最大Lyapunov指数,对宜昌站月径流时间序列进行混沌特性识别。在运用混沌时间序列的支持向量机模型对月径流预测的应用中,引入了径向基核函数,简化了非线性问题的求解过程。实例表明,该模型能较好地处理复杂的水文序列,具有较高的泛化能力和很好的预测精度。     

基于混沌理论的煤与瓦斯突出前兆时序预测研究

煤与瓦斯突出的预测研究通常是通过监测对煤与瓦斯突出的启动比较敏感的指标来进行,指标监测数据的大小和变化规律是进行预测的基础。首先介绍了一步预测和多步预测的基本原理,然后对2组瓦斯浓度数据序列利用全域法、零阶局域法和一阶局域法进行了对比计算;计算结果表明,加权一阶局域法的预测精度相对较高,该方法对混沌性强的数据序列的预测精度高于混沌性弱的数据序列的预测精度。