共查询到18条相似文献，搜索用时 375 毫秒
1.
2.
3.
基于神经网络的混沌时间序列预测 总被引：8，自引：0，他引：8
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。 相似文献
4.
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。 相似文献
5.
6.
矿井涌水量混沌特征与预测 总被引：2，自引：0，他引：2
由于受到水文地质、矿井开采等因素的影响, 矿井地下水系统的演化不仅具有确定性也具有随机性, 采用单一的确定性方法或随机性方法都难以揭示矿井地下水系统演化的两面性.混沌理论将确定性分析方法和随机性分析方法两者实现了统一.矿井涌水量时间序列是地下水系统中各要素相互作用的结果, 它包含着该动力系统的信息.基于刘桥二矿水文地质背景分析, 采用混沌时间序列分析方法对该矿的矿井涌水量时间序列进行建模、分析, 得出了其Lyapunov指数为0.1427, 表明刘桥二矿涌水量具有混沌特征.利用建立的模型, 选择2004年4月至2005年2月间的矿井涌水量时间序列进行验证, 结果表明, 利用混沌时间序列分析方法预测矿井涌水量是可行的且具有较高的精度. 相似文献
7.
8.
混沌序列WA-ELM耦合模型在滑坡位移预测中的应用 总被引：1，自引：0，他引：1
《岩土力学》2015,(9):2674-2680
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。 相似文献
9.
边坡系统稳定性可靠性研究 总被引：4，自引：2，他引：2
论述了复杂边坡系统稳定性研究中引入可靠性理论的必要性。总结了边坡系统可靠性分析的研究内容和研究方法,其主要内容为：影响边坡系统稳定性因素的可靠性研究、可靠计算模型的研究、边坡不稳定性空间预测的可靠性研究、边坡不稳定性时间预测的可靠性研究。分析了目前研究中存在的问题,提出了进一步研究的方向。 相似文献
10.
利用最小二乘法对位移时间序列进行分段拟合以提取时间序列的趋势项，从而将非稳定时间序列稳定化，对去除趋势项的稳定时间序列即残差进行常规AR（p）时序分析。结合滚动预测方法，建立边坡失稳预测的叠合模型，以长江三峡某边坡为例，对该模型进行的检验表明：新模型的预测精度较高、实时可靠。 相似文献
11.
地下水水位时间序列中的混沌特征 总被引：20，自引：0，他引：20
利用相空间重构技术、G -P算法以及Wolf提出的从单变量中提取Lyapunov指数的方法 ,分别计算了太原盆地 4组地下水水位时间序列的关联维数和Lyapunov指数。结果揭示在自然状态下 ,太原盆地某些孔隙潜水和孔隙承压水水位变化存在明显的混沌特征。这不仅为以后建立水位预测模型提供了理论依据 ,并且也为运用分形理论研究地质参数的时空变异性以及含水层结构的自相似性提供了进一步的支持。 相似文献
12.
13.
基于相空间重构的边坡位移预测 总被引：20，自引：1，他引：19
根据边坡位移时间序列的非线性性质, 应用基于相空间重构的实时预测方法, 可以充分利用时间序列信息, 预测
各种边坡变形演化趋势。 讨论了局域法和基于 Ly apunov 指数的预测法。 实例研究表明, 基于相空间重构的预测方法具
有比非平稳时间序列更高的预测精度和更广的适应性。 相似文献
14.
15.
在简要介绍表征系统混沌特征常用方法的基础上,认为混沌理论在水科学中的应用主要集中在水文时间序列性质的判定和非线性预测模型研究上,并就这两方面的国内外研究进展进行了综述。通过对其应用中存在的主要问题:延迟时间的确定、数据量大小、噪声等进行分析和讨论,认为水科学问题中混沌的假设是合理的。但对于任何有限长度和受噪声干扰的时间序列来说,严格判定其相空间是确定性系统还是随机系统几乎是不可能的,纯粹的混沌和纯粹的随机都只是数学上的一种理想状态。因此,对于所研究的水科学问题是否存在混沌现象,仅采用单一的方法所取得的结论,不能作为判定依据,而仅表明可能存在混沌特征。所以有必要采用多种研究方法,综合刻划某一水科学问题中的混沌迹象,判定该序列是以混沌成分为主还是以随机性成分为主。提出分形上的混沌动力系统以及混沌与神经网络相结合的方法,可为水科学问题的研究能提供一些新的思路。 相似文献
16.
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. 相似文献
17.
基于小波变换和GALSSVM的边坡位移预测 总被引：1，自引：0，他引：1
边坡变形是一个受多种因素综合作用的复杂非线性动力学演化过程,用现有的物理模型来解决边坡变形的预测问题有很大难度。大量的研究工作表明,用实测的边坡位移时间序列来预测边坡未来变形更为准确,而将多种方法组合起来进行预测成为研究的主要趋势。在此基础上,建立了一种基于小波变换和进化最小二乘支持向量机(GALSSVM)的边坡位移预测模型。首先利用小波变换将边坡时间序列分解为低频分量和高频分量,然后利用互信息法和伪近邻法得到各分量的时间延迟和嵌入维数并进行相空间重构,再根据各个相空间的特点建立相应的GALSSVM预测模型,最后把各分量的预测结果进行小波重构,重构后的结果即为最终的边坡位移预测结果。对丹巴滑坡预测研究表明,这种新的预测模型具有较高的预测精度,可以应用于实际工程 相似文献
18.
在实际沉降监测中,由于不确定性因素的影响,导致基于实测沉降数据的工后沉降预测误差较大。采用递归图和递归定量分析方法对沉降时间序列的可预测性进行分析,选择出预测效果好的沉降时间序列,进行准确的工后沉降预测。通过对无砟轨道整体道床的沉降时间序列进行可预测性分析得出:（1）沉降时间序列具有混沌特性;（2）沉降时间序列的递归图颜色分布越规律、色彩深浅变化越均匀,沿着主对角线出现的白色区域越小,沉降时间序列的可预测性越强;（3）通过提取递归定量指标随时间变化的曲线,可以直接确定预测时间起点;（4）利用递归图求取二阶任意熵作为沉降时间序列的可预测步长因子,可推算出预测效果最佳的沉降时间序列。 相似文献