自适应多项式预测滤波器的新结构与算法研究

(1)提出了一种DCT域二次滤波实现结构及其NLMS自适应算法，并将其用于连续混沌信号的实时预测研究，结果表明：所提出的滤波器结构实现简单、不存在算法收敛性问题；对连续混沌信号的实时多步预测性能明显优于局域法的多步预测性能，这一结果对我们重新认识     

一类具稀疏效应食饵-捕食系统的分岔及混沌

得到了一类稀疏效应下的Predator—Prey系统发生静态分岔和Hopf分岔的条件，证明了此类系统存在混沌现象，完善了此类系统的研究工作。     

一种基于极坐标的快速邻域搜索算法

一般邻域搜索方法面临着邻域定义的难点：定义的邻域较小，搜索就可能很快陷入局部最优，相反，则搜索效率会显著下降．针对这一问题，提出了一种基于极坐标的快速邻域搜索算法．试验证明，该算法能有效地解决邻域定义问题，并能在一定程度上解决常用的优化方法还较难解决的非凸集问题，对于一般复杂度问题，有较小的时间和空间复杂度。     

非线性混沌时序预测研究及应用

混沌是一种普遍存在的非线性动力学行为，针对混沌时间序列的难以预测和控制的问题，提出了基于趋势的混沌预测模型，利用混沌系统的初值、参数敏感性来微调和控制系统扰动，并用改进的最优化方法来估计模型的参数，在其相空间中对时序的未来值进行预测．算例表明，选取最佳的模型阶数能增加预测的准确程度，它不仅克服了仅用延迟嵌入技术的弊端，也降低了直接使用预测误差决定输入模式的盲目性．预测效果比其他时序方法要好。     

基于奇异值分解的混沌时间序列Volterra预测

提出一种用于混沌时间序列预测的奇异值分解Volterra滤波器.在Volterra滤波系数计算过程中,采用奇异值分解的方法得到线性方程组的最小二乘解.4种混沌序列的预测实验表明:该滤波器对混沌流的预测性能远优于NLMS自适应Volterra滤波器,前者的一步预测相对误差比后者小3~4个数量级.     

基于综合运输网络的客流分配优化模型与算法

以综合运输网络条件下的客流分配为研究对象,提出更适合表现旅客出行需求和各种运输方式相互竞争关系的运输细分方式,采用可量化表征综合运输网络当前客流状态的区间饱和度和径路饱和熵,并结合旅客出行广义费用函数,构造旅客出行阻抗函数,给出以综合运输网络中旅客出行总阻抗最小为目标的客流分配优化模型.基于k条最短路算法和混沌优化算法,在径路选择时考虑当前综合运输网络的旅客出行阻抗因素,设计客流分配迭代优化的动态求解算法.算例表明,利用给出的模型和算法能够得到可行和更为细分的综合运输网络客流分配方案.     

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。     

利用混沌优化实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面都有重要的应用,但稀疏分解计算量十分巨大,难以被推广而实现产业化.混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,混沌运动能在一定范围内按其自身的规律不重复地遍历所有状态.因此,如果利用混沌变量进行优化搜索,无疑会比随机搜索更具优越性.本文利用变尺度混沌优化方法在优化搜索过程中不断缩小搜索空间,快速寻找匹配追踪(MP)过程中每一步的近似最佳原子,提高信号稀疏分解的速度,算法的有效性为实验结果所证实.     

一维单峰幅度非对称映象的混沌测度

计算了Ｚ＝２，４，６时的一维单峰幅度非对称映象的混沌测度Ｍｃ值，并给出标度关系，对不同的Ｚ值，其标度关系分别为：当Ｚ＝２时，Ｍｃ＝Ｃ．ａ^-β１，Ｃ＝１．０５，β＝０．２７６；当Ｚ＝４，６时，Ｍｃ＝ａ－ｂ．ａ１，ａ＝０．６６７，ｂ＝０．０７８（Ｚ＝４）；ａ＝０．３７４，ｂ＝０．０４４（Ｚ＝６）。     

基于最优搜索理论的小流域事故污染源搜索技术

1流域事故性污染源搜索的基础研究 全面搜集我国流域水环境监测现状资料，根据最优搜索论和现行的事故污染源搜索方法，讨论了时间资源有限情况下的流域事故性污染源最优搜索思想。从搜索目标状态和搜索资源能力两个方面分析了影响流域事故性污染源最优搜索的因素，根据最优搜索理论，构建了流域事故性污染源最优搜索模型体系，