基于EMD方法的混沌时间序列预测

将经验模态分解(EMD)方法引入到非线性数据处理中,提出用EMD分解后的数据进行混沌预测的方法.通过Duffing方程和Lorenz系统的非线性响应预测实例表明,EMD分解后的信号和原始信号相比具有较小的最大Lyapunov指数,可提高预测时间和长时预测精度. 关键词： EMD 混沌 预测     

随机噪声对经验模态分解非线性信号的影响

采用Monte-Carlo随机模拟方法来研究外部噪声对经验模态分解非线性信号的影响.结果表明:噪声对低阶特征模态函数(IMF)影响较为明显,对高阶IMF影响较小;白噪声强度系数越大,分解出的IMF纯噪声分量阶数越多;用含噪声信号减去经验模态分解后的主要IMF噪声分量,可较为明显地削弱噪声的影响;含噪声响应的最大Lyapunov指数比不含噪声响应的最大Lyapunov指数小     

试用Lyapunov指数探讨气候突变及其前兆信号

Lyapunov 指数是标志一个系统做规则运动还是混沌运动的一个重要物理量.鉴于此, 本文利用Lyapunov指数研究系统的混沌特性, 研究气候的突变.计算结果表明, 定义法求得的Lyapunov指数是一种可靠的突变检测方法, 无论是理想序列还是实际存在突变的序列, 利用该方法都能准确地找出突变位置; 而利用非线性局部Lyapunov指数的可预报期限从理论上佐证了基于临界慢化现象的气候突变前兆信号的可靠性, 通过计算各个时间段的最大Lyapunov指数能够反映系统的内在性质、研究其混沌特性. 研究结果为该方法在实际观测资料中的广泛应用提供了理论基础. 关键词： Lyapunov指数 气候突变 前兆信号     

基于小波变换的光混沌信号消噪与Lyapunov指数计算

针对动力学方程未知且信噪比小的光混沌信号,采用小波多分辨分解算法对其进行噪音消减.用Lorenz混沌信号对该算法的消噪效果进行了检验.提出利用互信息量法和Cao氏法来改进小数据量法在时间延迟和嵌入维数计算上存在的主观选择性,对经过噪音消减的Lorenz混沌信号利用此改进的小数据量法计算其最大Lyapunov指数.结果表明,信噪比可提高近10 dB左右,最大Lyapunov指数计算误差可减少近30%,并求得半导体放大器光混沌信号的最大Lyapunov指数为0.389 6.     

基于EMD的拉曼光谱去噪方法研究

经验模态分解(EMD)方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势.文章在介绍EMD分解方法的基础上,结合EMD的多尺度滤波特性,提出了一种新的拉曼光谱去噪方法--EMD阈值去噪法.该方法首先对含噪的拉曼光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阚值处理后的高频IMF分量与低频IMF分量叠加得到重构的信号,即去噪信号.通过处理对二甲苯的拉曼光谱信号,分析了在不同噪声水平上不同去噪方法的处理效果.实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息.与小波阈值去噪方法相比较具有自适应的优势,在拉曼光谱去噪中有很好的应用前景.     

切换系统Lyapunov指数的算法及应用

Lyapunov指数是判定系统非线性行为的重要工具,然而目前的大多算法并不适用于切换系统.在传统Jacobi法的基础上,提出了一种新算法,可以直接计算得到n维切换系统的n个Lyapunov指数.首先,根据切换面处相邻轨线的动态变化规律,从相空间几何推导出切换面处轨线变化的Jacobi矩阵;然后,对该矩阵进行QR分解,从而利用R的对角线元素实现Lyapunov指数的切换补偿;最后,将新算法应用到平面双螺旋混沌系统、Glass网络和航天器供电系统三个实例中,并将计算结果与Poincaré映射方法的计算结果进行比较,对新算法的有效性进行验证.     

基于Lyapunov指数的摇摆条件下自然循环流动不稳定性混沌预测

运用基于最大Lyapunov指数的混沌预测方法对摇摆条件下自然循环系统的流量脉动进行了预测. 对不规则复合型脉动的流量脉动实验数据进行相空间重构, 计算关联维数、二阶Kolmogorov熵和最大Lyapunov指数等几何不变量, 在说明不规则复合型脉动是混沌运动的基础上, 根据最大Lyapunov指数对不规则复合型脉动进行了预测. 通过预测结果和实验结果对比发现: 对于复杂的两相自然循环流动不稳定性, 预测结果具有较高的精度, 说明预测方法的可行性. 同时, 确定了混沌系统可预测的尺度, 提出用动态预测的方式监测系统流量脉动. 本文的研究方法为两相流复杂的流动不稳定性研究提供了新的思路. 关键词： 混沌时间序列 实时预测 最大Lyapunov指数 两相流动不稳定性     

混沌时间序列基于邻域点的非线性多步自适应预测

根据流形理论，利用混沌时间序列中某点邻域内最近几点的P次迭代像，提出了一种多步自 适应预测算法.仿真说明，这种算法使得预测速度成倍提高，而预测稳定后得到的误差均方 根序列呈指数增长趋势，这个指数就是该混沌时间序列的Lyapunov指数. 关键词： 混沌时间序列 邻域 非线性自适应预测 Lyapunov指数     

噪声模态单元预判的经验模态分解脉冲星信号消噪

为了改善脉冲星辐射脉冲信号的消噪效果, 提出了一种基于噪声模态单元预判的经验模态分解(EMD) 消噪声方法. 该方法首先利用EMD将含噪辐射脉冲信号分解为一组内蕴模态函数(IMF), 根据IMF系数的统计特性采用局部均方误差准则进行噪声模态单元预判, 并将噪声模态单元置零; 然后对噪声模态单元预判处理后的IMF以模态单元为基本单位进行最优比例萎缩消噪, 从而达到抑制噪声、保留信号的目的. 实验结果表明: 与Sure Shrink小波阈值法、Bayes Shrink小波阈值法和EMD模态单元比例萎缩法相比, 基于噪声模态单元预判的EMD消噪方法可以更有效地去除脉冲辐射信号中的噪声, 同时更好地保留信号突变处的细节信息特征, 在信噪比、 均方误差、峰值相对误差、峰位误差和相位误差等方面都有一定程度的改善. 关键词： 脉冲星信号消噪 经验模态分解 噪声模态单元预判 局部均方误差     

一种具有恒Lyapunov指数谱的混沌系统及其电路仿真

提出了一种新的具有恒Lyapunov指数谱的三维混沌系统,该系统含有六个参数,其中一个方程含有一个非线性乘积项,一个方程含有平方项.通过理论推导、数值仿真、Lyapunov维数、Poincare截面图、Lyapunov指数谱和分岔图研究了系统的动力学特性,并分析了不同参数变化对系统动力学行为的影响,其中,平方项系统参数变化时,系统的Lyapunov指数谱保持恒定,输出信号中的两维信号的幅值与参数呈幂函数关系变化,其指数为－1/2,第三维信号的幅值保持在同样的数值区间.最后,设计了该混沌系统的硬件电路并运用Multisim软件对该电路进行仿真实验,证实了该混沌系统的可实现性. 关键词： 混沌系统 恒Lyapunov指数谱 Poincare截面图 混沌电路     

风电功率时间序列混沌特性分析及预测模型研究

为揭示风电功率序列内在的动态特性, 利用非线性方法对风电时间序列混沌特性进行识别, 为对风电功率进行预测提供了基础.首先对某风电场的风电功率时间序列的日相关性进行了分析;然后在相空间重构的基础上计算了风电序列的最大Lyapunov指数, 验证了风电时间序列的混沌特性;由于采用Volterra滤波器多步预测法对风电功率进行超短期预测误差较大, 利用局域多步预测法以及最大Lyapunov指数法的预测结果并结合加权马尔科夫链和有序算子对Volterra滤波器的预测结果进行校正.最后以某实际风电场的风电功率预测为算例, 仿真结果表明校正预测模型有效的提高了预测精度, 其为利用Volterra滤波器多步法进行风电预测提供了有益的参考.     

混沌信号在子值域中的特性分析

针对Kent映射产生的子值域时间序列，利用模糊延迟重构方法，从相关维数、最大Lya-punov指数及可预测性等几个方面进行了分析．研究发现，子值域时间序列同样表现出混沌序列的性质，但与原来的动力系统相比存在着一定的差异．这一差异随着子值域大小的变化而变化 关键词：     

皮层脑电时间序列的相空间重构及非线性特征量的提取

对麻醉的SD大鼠在癫痫发作前后两种状态的皮层脑电(ECoG)的时间序列,用多种有效的方法和分析技术,使得大量的ECoG时间序列得以正确的分析,并得出重要的结论.首先利用延时坐标法重构吸引子;计算互信息函数,取互信息函数第一次达到最小值的延时为重构延时时间,提出将伪邻点法和Cao法相结合的方法确定最佳嵌入维数.然后采用非线性预报和替代数据法相结合的方法确定ECoG为混沌时间序列,从不同角度得出了ECoG不是低维混沌的结论.在ECoG相空间重构的基础上,计算了最大Lyapunov指数(LLE).应用了近似熵这一标量对ECoG进行刻画,计算结果表明:癫痫发作前的皮层脑电的最大Lyapunov指数和近似熵都明显地高于癫痫发作后的,这可能为理解癫痫发病机理,预报癫痫发作和治疗提供一定的思路. 关键词： 皮层脑电 互信息 伪邻点法 最大Lyapunov指数 近似熵     

短时交通流复杂动力学特性分析及预测

为揭示短时交通流的内在动态特性,利用非线性方法对交通流混沌特性进行识别,为短时交通流的预测提供基础.基于混沌理论对交通流时间序列进行相空间重构,利用C-C算法计算时间延迟和嵌入维数,采用Grassberger-Procaccia算法计算吸引子关联维数,通过改进小数据量法计算最大Lyapunov指数来判别交通流时间序列的混沌特性.针对局域自适应预测方法在交通流多步预测中预测器系数无法调节的问题,提出了交通流多步自适应预测方法.通过实测数据计算,结果表明:2,4和5 min三种统计尺度的交通流时间序列均具有混沌特性;改进的小数据量法能够准确地计算出最大Lyapunov指数;构建的交通流多步自适应预测模型能够有效地预测交通流量的变化.为智能交通系统诱导和控制提供了依据.     

摇摆条件下自然循环系统流量混沌脉动的检验与预测

利用替代数据法检验了摇摆条件下自然循环系统不规则复合型脉动的混沌特性, 并在此基础上进行混沌预测. 关联维数、最大Lyapunov指数等几何不变量计算结果表明不规则复合型脉动具有混沌特性, 但是由于计算结果受实验时间序列长度的限制和噪声的影响, 可能会出现错误的判断结果. 为了避免出现误判, 在提取流量脉动的非线性特征的同时, 需要用替代数据法进一步检验混沌特性是否来自于确定性的非线性系统. 本文用迭代的幅度调节Fourier 算法进行混沌检验, 在此基础上用加权一阶局域法进行混沌脉动的预测. 计算结果表明: 不规则复合型脉动是来自于确定性系统的混沌脉动, 加权一阶局域法对流量脉动进行混沌预测效果较好, 并提出动态预测方法. 关键词： 混沌时间序列 替代数据法 实时预测 两相流动不稳定性     

A heuristic method for identifying chaos from frequency content

The sign of the largest Lyapunov exponent is the fundamental indicator of chaos in a dynamical system. However, although the extraction of Lyapunov exponents can be accomplished with (necessarily noisy) the experimental data, this is still a relatively data-intensive and sensitive endeavor. This paper presents an alternative pragmatic approach to identifying chaos using response frequency characteristics and extending the concept of the spectrogram. The method is shown to work well on both experimental and simulated time series.