相空间小波网络模型及其在水文中长期预测中的应用

简述了相空间小波网络模型原理和算法,并通过实例讨论了其在水文中的应用。研究结果初步表明,小波分析及由其发展出的小波网络模型在水文分析中是可行的、合理的。数学分析工具更为先进,将混沌重建相空间理论和小波网络模型相结合,对揭示水文动力系统复杂的非线性结构是很有效的,在水文中长期预测中具有较大优越性。     

混沌序列WA-ELM耦合模型在滑坡位移预测中的应用

针对滑坡位移序列的混沌特性和传统时间序列预测模型的不足,提出了一种基于混沌时间序列的小波分解-极限学习机(WA-ELM)滑坡位移预测模型。该模型以滑坡位移序列混沌特性分析为基础,应用小波分析将位移序列分解为具有不同频率特征的分量,对各特征分量分别进行相空间重构并应用极限学习机进行预测,最后将各特征分量预测值叠加,得到原始位移序列的预测值。以三峡库区八字门滑坡为例,并与小波分析-支持向量机(WA-SVM)以及单独ELM模型进行对比研究。结果表明,基于混沌时间序列的WA-ELM模型预测精度较高且具有较好的通用性与稳定性,是一种有效的滑坡位移预测方法。     

基于经验模式分解和相空间重构的采空区地表动态变形混沌性态及时变规律研究

采空区地表动态变化过程受到诸多地质及采矿条件的影响,为研究其细部动态变形过程,结合某矿区地表变形的动态监测资料,基于经验模式分解（EMD）信息提取技术提取地表变形趋势信息能力和相空间重构技术的数据处理特点,提出了地表动态时变规律分析方法：利用EMD技术,提取出地表的时效变形;采用相空间重构技术对时效变形重构相平面,研究地表随时间的沉降演变规律。结果表明,应用该方法可以清晰地分析出地表随时间变化过程中细部动力学过程,得出地表变形的时变规律。     

基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测

预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义, 三峡库区库岸滑坡地下水位时间序列受多种因素影响, 呈现出高度非线性非平稳的特征.为对其进行预测, 提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine, 简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解, 将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列; 然后重构各子序列的相空间, 再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测, 最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例, 首先分析滑坡前缘地下水位变化的影响因素, 再将WA-PSVM模型应用于地下水位预测, 并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation, 简称WA-BP)作对比.结果表明: 滑坡前缘地下水位受降雨和库水位影响较大, 利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966, WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题, 在不考虑影响因素的情况下能获得满意的预测效果, 具有较高的建模效率和较强的实用性.      

基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测

三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机（extreme learing machine,ELM）的滑坡位移组合预测模型.指数平滑多变量混沌ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以三峡库区白水河滑坡ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群-支持向量机（PSO-SVM）模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质.      

砂岩铀矿的分形特征

铀矿化样品可视为m个变量构成的相空间中的点集 ,用改变子空间尺度的方法求得砂岩铀矿化样品在一维、二维、三维和四维相空间中的分维为 0 .74、1.0 3、1.2 3和 1.5 4。不同矿床和同一矿床的不同矿石类型、不同高程和不同温度范围的矿化样品在不同变量及其组合构成的同维相空间中的分维相同或相近 ,反映它们的空间结构自相似。本文还探讨了相空间维数与分维数、分维数与子空间尺度的关系 ,并评述了分维的地质意义。     

核爆地震模式识别中的特征相空间研究

从核爆地震模式识别中的最少不相关特征量确定、训练样本的选择出发,介绍了特征空间与相空间等价问题的由来,并通过数值实验验证了特征空间与相空间等价的有效性,确定了特征选择中不相关特征量的下限,而且特征相空间分析方法具有很好的噪声鲁棒性,对于分析实际的模式识别问题极具优势.最后,本文提出了进一步研究的思路和设想.     

纬向平均区域臭氧层动力学系统的反演及其研究

根据观测的O3总量场序列资料反演区域系统的非线性演化方程,采用自然正交分解方法,由空间函数构造相空间正交基,将时间函数（主成分）嵌入对应于系统状态变量,计算得到O3层系统的分数维D2＝2．9,说明它属于低自由度的混饨动力学系统．主成分的时间尺度层次特征,反映了O3层的各种动力行为,它们是动力学系统再现的集合,用于反演动力学方程可描述不同层次扰动的约束及相互作用的性质,刻画出系统的演化形态．为研究系统成分的内在关系,在三维和四维相空间中分别建立动力学方程。通过对比分析,两者描述O3层动力行为的差异表现在较低层次的系统成分中,表明在系统成分相互作用过程中高层次对低层次信息的不完全确定性。     

基于相空间重构与模糊神经网络耦合的海温预测模型

在海温预报中引入混沌理论,将相空间重构理论与模糊神经网络相结合,建立了海温预测模型.通过相空间重构,把一维海温时间序列拓展为多维序列,而多维序列包含着各态历经的信息,从而挖掘出了丰富的海温变化空间的信息,有利于模糊神经网络的训练.利用建立好的模糊神经网络模型,对海温预报问题进行了建模、训练和预测.实际的预测结果表明,该模型预报精度较高,预测结果可以为业务工作提供一定的参考与借鉴.     

多核相关向量机的BDS卫星钟差预报算法

针对BDS卫星钟差数据中非线性特性较为复杂且难以精确预测的问题,提出一种基于多核相关向量机的卫星钟差预报算法.使用武汉大学IGS中心MGEX提供的实测BDS精密钟差数据进行预报试验,并将本文的方法与QP、QP-Period以及LS-SVM模型进行对比.结果 表明:MKF-RVM预报24 h的BDS-2卫星钟差数据的精度...