基于复杂度分析冰芯和石笋代用资料时间序列的研究

运用动态非线性时间序列分析方法——Lemper-Ziv复杂度，分别计算了古里雅冰芯资料和北 京石花洞石笋资料的复杂度，探讨了复杂度的物理内涵及其在气候变化研究中的意义；小波 多尺度分解分析表明，复杂度序列具有明显的特征周期，存在780年、380年、160年和105年 的准周期.进一步研究发现，当取不同的窗口长度时，复杂度序列的特征基本相同；并且复 杂度序列的突变和气候突变在时间尺度上有着较好的对应关系.揭示了近千年来，在380年时 间尺度上的准周期振荡，其振幅一直是在减弱的，而且其固有周期频率逐渐减小.1900年复 杂度开始持续下降，1920年之后变化很小，类似于中国6世纪中期及12世纪中期的变暖期， 因此造成20世纪气候变暖的原因还有待于深入研究. 关键词： Lemper-Ziv复杂度 小波变换 气候 自然变率     

非线性时间序列互信息与Lempel-Ziv复杂度的相关性研究

为探究非线性动力学系统的互信息和复杂度的相关性，用Logistic映射、Lorenz模型和心电RR间期的非线性时间序列作为实验数据，计算多分段延时互信息和多分段Lempel-Ziv复杂度以及它们之间的相关系数.结果表明这些序列的互信息和复杂度呈强负相关，对Logistic方程生成的201个序列的不同段互信息和不同段复杂度之间的相关系数绝对值都大于0.9162，最大达0.9923；对94个心电RR间期序列都大于0.8555，最大达0.9860.研究还发现互信息比复杂度能更敏感地表现出非线性动力系统的特征. 关键词： 相关系数 互信息 Lempel-Ziv 复杂度 心电RR间期     

混沌伪随机序列的谱熵复杂性分析

为了准确分析混沌伪随机序列的结构复杂性,采用谱熵算法对Logistic映射、Gaussian映射和TD-ERCS系统产生的混沌伪随机序列复杂度进行了分析.谱熵算法具有参数少、对序列长度N(惟一参数)和伪随机进制数K鲁棒性好的特点.采用窗口滑动法分析了混沌伪随机序列的复杂度演变特性,计算了离散混沌系统不同初值和不同系统参数条件下的复杂度.研究表明,谱熵算法能有效地分析混沌伪随机序列的结构复杂度;在这三个混沌系统中,TD-ERCS系统为广域高复杂度混沌系统,复杂度性能最好;不同窗口和不同初值条件下的混沌系统复杂度在较小范围内波动.为混沌序列在信息安全中的应用提供了理论和实验依据.     

利用复杂网络研究中国温度序列的拓扑性质

依据粗粒化方法,将中国1961—2002年逐日平均温度序列转化为由5个特征字符{R,r,e,d,D}构成的温度符号序列.以符号序列中的125种3字串组成的温度波动模态为网络的节点(即连续4d的温度波动组合),并按照时间顺序连边,构建有向加权的温度波动网络,进而将温度波动模态间的相互作用等综合信息蕴含于网络的拓扑结构之中.对随机序列和Lorenz系统的混沌序列分别构建随机和混沌波动网络.计算三种网络的度与度分布、聚类系数、最短路径长度等动 关键词： 气候变化 气候复杂网络 拓扑结构     

小通道氮气-水两相流三谱切片波动特性及其流型表征

将三谱切片与波动特性分析方法相结合, 组建了一种新的非线性分析方法, 并讨论了时间序列长度与快速傅里叶变换(FFT)长度对三谱切片的波动特征值的影响, 发现在无噪声干扰情况下, 序列长度与FFT 长度与矢量类间距值成正比, 在有噪声干扰情况下, 近似成反比关系.将该分析方法应用到分形序列(Brown)、混沌序列(Lorenz)和周期序列(正弦), 检验了波动特性方法的抗噪能力和表征复杂度能力. 结果表明: 该波动特性分析方法较其他功率谱分析方法对分形和混沌序列具有较好的抗噪能力, 而对周期序列的抗噪能力相对较弱; 该波动特性方法对序列内在复杂度的表征具有较好的效果.在此基础上, 对水力直径为1.15 mm的矩形小通道(w×h=2 mm×0.81 mm)中的 矩形通道内氮气-水两相流型的差压信号进行了研究. 通过对流型差压信号三谱切片的分析揭示了不同流型的主振荡模式二次耦合现象, 提取不同流型三谱切片的波动特征值, 实现了小通道氮气-水两相流典型流型的准确识别, 同时也为其他不同介质的多相流动特性分析与流型辨识提供了一个新的思路. 关键词： 三谱切片 波动特性 流型识别 流型动力学     

混沌伪随机序列复杂度分析的符号动力学方法

通过将混沌伪随机序列看成一个符号序列，提出了用符号动力学的 方法来分析混沌伪随机序列的复杂度.以Logistic映射和耦合映射格子系统产生的混沌伪随 机序列为例，说明了该方法的应用，并将计算结果与近似熵ApEn法的计算结果作了比较.结 果表明，该方法可以有效地判断出不同的混沌伪随机序列的复杂程度，而且比近似熵法更为 优越. 关键词： 混沌 伪随机序列 符号动力学 熵     

基于条件熵长江三角洲温度的非线性动力学特征分析

通过粗粒化方法得到符号序列，如果两个符号序列的条件熵在相对位移为零时达到最小值，那么这两个时间序列可能属于同一个动力学系统.进一步可以判断两个时间序列之间的耦合强度并提取出两个动力学耦合信号之间的内在滞后关系.本文用条件熵算法分析了长江三角洲地区上海、南通、常州、南京和杭州的逐日气温资料，判断这些地区的温度是否属于同一个动力学系统以及它们之间的动力学耦合关系，并提取出它们之间的滞后信息. 关键词： 粗粒化 条件熵 动力学耦合 滞后时间     

基于符号时间序列方法的开关变换器离散映射算法复杂度分析

开关变换器与其符号序列拓扑共轭,这使得开关变换器系统特性的研究可以归于符号序列的研究,从而得到更一般的结论.采用基于符号时间序列的算法复杂度来分析开关变换器的复杂行为,从具体内在结构得到开关变换器的本质特征.与统计复杂度不同,算法复杂度还可以定量地描述开关变换器的突变点和工作周期,为深入了解开关变换器的特性和混沌行为的利用提供理论依据.     

Lempel-Ziv复杂度算法中粗粒化方法分析及改进

为了提高Lempel-Ziv复杂度(LZC)的抗干扰能力和稳定性,提出用等概率粗粒化方法计算LZC的思想,介绍其具体算法,分析二值粗粒化阈值与LZC的关系.用Logistic映射生成87个序列进行抗干扰试验,计算这些序列加噪前后所得LZC序列的相关系数和相对变异系数,作为LZC指标抗干扰能力的测度,用10个脑电图进行LZC稳定性测试.结果表明,用等概率粗粒化方法时的相关系数都大于0.998,相对变异系数较小,脑电的LZC稳定性好.该方法可明显提高LZC的抗干扰能力和稳定性.     

基于符号动力学的认知事件相关电位的复杂度分析

引入了符号动力学方法分析认知事件相关电位(ERP)的复杂度.以混合模型生成的随机时间序列为例,对近似熵和符号熵作了比较.应用符号熵分析了Oddball范式中不同任务条件(靶刺激和非靶刺激)下的ERP的复杂度.研究发现,额区、中央区和顶区的ERP复杂度在刺激呈现后的任务加工时间段内显著减小(非靶刺激和靶刺激分别在刺激呈现后200—300和400—500ms),而且靶刺激ERP复杂度大约在P300成分的峰值时刻达到最小值,在响应之后逐渐回升.这表明基于符号动力学的复杂度分析能够反映认知任务加工的时间过程,并且 关键词： 事件相关电位 符号动力学 熵     

基于模糊模型支持向量机的混沌时间序列预测

基于支持向量机强大的非线性映射能力和模糊逻辑易于将先验的系统知识结合到模糊规则的 特性, 根据混沌动力系统的相空间重构理论, 提出了一种混沌时间序列的模糊模型的支持向 量机预测模型,并采用适用于大规模问题求解的最小二乘法来训练预测模型,利用该模型分别 对模型的整体预测性能与嵌入维数及延迟时间的关系进行了探讨.最后利用Mackey-Glass时 间序列和典型的Lorenz系统生成的时间序列对该模型进行了验证,结果表明该预测模型不仅 能够自动的从学习数据中获取知识产生模糊规则，提取能够代表混沌时间序列内在规律的支 持向量，大大减少支持向量的数目，精确地预测未来的混沌时间序列,而且在混沌时间序列 的嵌入维数未知和延迟时间不能合理选择的情况下,也能取得比较好的预测效果.这一结论预 示着基于模糊模型的支持向量机是一种研究混沌时间序列的有效方法. 关键词： 模糊模型 混沌时间序列 支持向量机 最小二乘法     

评价奇怪吸引子分形特征的Grassberger-Procaccia算法

基于Lorenz,Rssler和H啨ｎｏｎ三种典型的奇怪吸引子,全面分析了GrassbergerProcaccia(缩写GP)算法,详细讨论了采样数据量、延迟时间、重构相空间维数和线性区长度等参数对计算关联维数和Kolmogorov熵的影响,结果表明这些关键参数是相互关联的.通过分析关联积分谱的变化趋势,发现延迟时间与重构相空间维数对连续动力系统和离散动力系统的作用效果是不同的,且选择最佳延迟时间对计算关联维数的意义不大.指出了实际中应用GP算法应注意的问题 关键词： 奇怪吸引子 GrassbergerProcaccia算法 关联维数 Kolmogorov熵     

An improvement on measure methods of the complexity theory and its applications

A new method is proposed to transform the time series gained from a dynamic system to a symbolic series which extracts both overall and local information of the time series. Based on the transformation, two measures are defined to characterize the complexity of the symbolic series. The measures reflect the sensitive dependence of chaotic systems on initial conditions and the randomness of a time series, and thus can distinguish periodic or completely random series from chaotic time series even though the lengths of the time series are not long. Finally, the logistic map and the two-parameter Henón map are studied and the results are satisfactory.     

混沌系统的时间延迟同步误差分析

对Pecora和Carroll的混沌自同步方案的延迟同步误差进行了研究.在计算机上对Lorenz混沌系统伪装的延迟同步误差进行了模拟:给定系统参数,对应不同延迟时间,得出了均方误差与采样步长的关系曲线;给定系统参数和延迟时间,对应不同采样步长,得到了混沌时间序列的误差曲线;给定采样步长,对应不同的系统参数,获得了混沌时间序列的尺度效应和均方误差与采样步长的关系曲线.提出了减小延迟同步误差的一些方法,得到一些对混沌同步和混沌控制应用有意义的结果. 关键词： 混沌同步 时间同步 误差分析     

On the control of chaotic systems via symbolic time series analysis

Symbolic analysis of time series is extended to systems with inputs, in order to obtain input/output symbolic models to be used for control policy design. For that, the notion of symbolic word is broadened to possibly include past input values. Then, a model is derived in the form of a controlled Markov chain, i.e., transition probabilities are conditioned on the control value. The quality of alternative models with different word length and alphabet size is assessed by means of an indicator based on Shannon entropy. A control problem is formulated, with the goal of confining the system output in a smaller domain with respect to that of the uncontrolled case. Solving this problem (by means of a suitable numerical method) yields the relevant control policy, as well as an estimate of the probability distribution of the output of the controlled system. Three examples of application (based on the analysis of time series synthetically generated by the logistic map, the Lorenz system, and an epidemiological model) are presented and used to discuss the features and limitations of the method.     

基于小波回声状态网络的混沌时间序列预测

混沌现象普遍存在于自然界及人类社会中,因此混沌时间序列预测具有重要意义. 提出了一种新的混沌时间序列预测模型------小波回声状态网络,该模型可以有效克服传统回声状态 网络模型中普遍存在的病态矩阵问题,提高了混沌时间序列预测精度.通过对Lorenz、含噪声Lorenz 及间歇式反应釜釜温三个时间序列的预测,将小波回声状态网络与传统回声状态网络进行了比较. 结果表明,小波回声状态网络与传统回声状态网络相比,预测精度提高一倍以上且预测结果更加稳定.     

Lorenz系统的可预报性

定义一个动态窗口，以Lorenz模型为预报方程，通过对落入动态窗口中的粒子数和平均预报X分量随积分时间演化规律的分析，从另一个角度初步研究了Lorenz系统的可预报性问题，并讨论了高斯白噪声对系统可预报性的影响.结果表明，落入动态窗口中的粒子数在一定程度上反映了系统的可预报性，处于不同区域的初值集合预报时限各不相同，且不同区域内的初值对于小扰动的敏感程度不一样；对于不同区域内的初值集合，高斯白噪声对系统的可预报时限的影响各不相同. 关键词： 可预报性 Lorenz 动态窗口     

基于稀疏贝叶斯学习的复杂网络拓扑估计

提出了一种噪声环境下复杂网络拓扑估计方法, 仅利用含噪时间序列估计未知结构混沌系统的动力学方程和参数, 以及由混沌系统组成的复杂网络的拓扑结构、节点动力学方程、所有参数、 节点间耦合方向和耦合强度.通过采用动力学方程的统一形式, 将动力系统方程结构和参数估计看成线性回归问题的系数估计, 该估计问题利用贝叶斯压缩传感的信号重建算法求解, 含噪信号的模型重建使用相关向量机方法,即通过稀疏贝叶斯学习求解稀疏欠定线性方程得到上面提到的可估计对象.以单个Lorenz系统及由200个 Lorenz系统组成的无标度网络为例说明方法的有效性. 仿真结果表明,提出的方法对噪声有很强的鲁棒性,收敛速度快,稳态误差极小, 克服了最小二乘估计方法收敛速度慢、 稳态误差大以及压缩传感估计方法对噪声鲁棒性不强的缺点.