基于相空间重构的短时交通流预测研究

短时交通流预测在城市交通控制和管理中起着十分重要的作用。本文通过分析短时交通流量数据在时间序列上的特点，引入混沌理论的分析方法，从非线性时间序列预测的角度对交通流量预测进行了研究。通过计算交通流系统相空间重构参数，给出了一种基于相空间重构理论的局部预测方法，对城市道路路段交通流量进行短时预测，取得了较为满意的效果。     

基于Takens理论和SVM的滑坡位移预测

针对滑坡变形时序非线性,数据量少的特点,引入Takens理论,采用支持向量机(SVM)建立其预测模型,建模过程中,比较了由不同核函数获得的SVM模型的性能,同时将SVM与RBF、El-man神经网络模型进行外推7步预测试验比较。结果表明:RBF核函数具有更好的工程实用价值;在有限样本情况下,SVM预测模型具有更好的准确性和泛化性,其7步预测平均误差率控制在5%以内,可见该方法在滑坡变形预测方面极具潜力。     

基于BP神经网络的基坑变形预测

基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过对基坑实测变形数据进行整理和分析,对未来变形量作出预测,保证基坑安全。结合BP神经网络的高度非线性映射能力,提出了一种基于BP神经网络的基坑变形时间序列预测方法。在基坑开挖过程中,采取滚动预测的方法,不断利用前期已有实测数据建模预测后期变形量,以实现信息化施工和动态控制。实例分析表明,BP神经网络模型具有较高的预测精度,并能获得满意的预测结果。     

舰船惯导航行数据的重构及混沌特性分析

针对现有舰船航行数据处理研究中,对数据内在属性及不同数据间相关性研究不够深入的问题,应用不同方法对舰船惯导航行数据进行了相空间重构及比较分析。分析结果表明,C-C方法对船舶惯导航行数据的重构效果较好。在此基础上,进行了惯导数据的混沌特性定性分析,并计算了惯导数据的最大Lyapunov指数,对舰船惯导数据进行了混沌动力学特性研究。分析结果证实了舰船航行数据具有较为典型的混沌特性,为进一步研究采用混沌控制等方法对舰船航行中的混沌状态进行控制提供必要的数据基础和比较依据。     

基于混沌理论的铁路客货运量预测研究

应用混沌理论的相空间重构方法,分析与铁路运量相关的12组时间序列,分别计算它们的嵌入延迟时间、嵌入维数、关联维数、最大Lyapunov指数等混沌统计量,并以此为依据判断12组时间序列的混沌特性。结果显示:铁路客货运量及周转量不具有混沌特性,对应的4组时间序列不是混沌的;铁路客货运量、周转量的增量及增长率都具有明显的混沌特性,它们对应的8组时间序列是混沌的。在识别是否混沌的基础上,应用基于最大Lyapunov指数预测方法,对铁路客货运量、周转量进行预测检验及预测结果分析。     

混沌方法在舰船辐射噪声分析中的应用研究

为了检测舰船辐射噪声中的非线性特征,本文采用混沌、分形理论从信号产生的机理、相空间轨迹、分形维数和Lyapunov指数等4个方面着重研究了舰船辐射噪声的混沌现象.研究结果表明舰船辐射噪声信号中确实存在混沌现象,且不同类别的信号具有不同的非线性特征,该结果将为水声信号处理、水下目标检测和识别提供新的理论方法.     

基于相空间重构的水资源时间序列混沌预测模型研究

针对水资源时间序列非线性预测难题,建立了基于相空间重构的混沌预测模型。通过将原始时间序列非线性映射到一个高维特征空间中进行相空间重构,获得输入向量和期望输出向量,选择统计学习理论中的SVM模型进行预测,经实证分析,文中模型比ANN模型和AR模型具有拟合效果好,预测精度高,泛化能力强等优点。     

基于道路交通的相空间重构

利用相空间重构法,对道路交通中的车流量进行模拟分析,在选择适当的嵌入维数和延迟时间的情况下,得到相应的关联维度,即车流量这个时间序列的吸引子维度.得到的关联维度是个大于2的分形维,说明构成此序列的交通系统是个混沌系统.如果要进一步构建此系统的动力学模型,至少需要3个独立的参数变量.此方法为道路交通预测工作的顺利展开打下了一定的基础.     

基于相空间重构的无绝缘轨道电路补偿电容故障检测方法

补偿电容失效是无绝缘轨道电路中的常见故障,严重影响列车的正常运行和铁路的运输效率。本文基于轨道电路分路状态模型,分析补偿电容不同故障情形对分路电流的影响规律,在此基础上利用相空间重构技术,对一维分路电流包络信号序列进行重构操作,获取反映系统状态特性的伪相图,从中提取补偿电容的故障特征,从而实现补偿电容故障的检测。实验结果表明:该方法不仅能准确检测补偿电容断线和被击穿等严重故障,对连接松动和容值下降等性能不佳的情形也有很好的检测效果,且实现简单、时效性强,符合铁路部门提出的预防性维修理念。