首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 125 毫秒
1.
连续混沌信号的离散余弦变换域二次实时滤波预测   总被引:6,自引:0,他引:6       下载免费PDF全文
提出了少参数二阶Volterra滤波器的一种离散余弦变换(DCT)域二次滤波实现结构及其NLMS自适应算法,并用这种DCT域二次滤波预测器研究了三种连续混沌信号的非线性实时多步预测性能. 仿真研究结果表明:(1) 这种DCT域二次滤波预测器比少参数二阶Volterra滤波器的一步预测均方误差性能提高了100倍,表明这种实现结构简单、易实现,且具有更好的收敛性能;(2)采用这种滤波预测器对三种连续混沌时间序列的实时多步预测性能明显优于局域法的多步预测性能. 关键词: 混沌 实时预测 NLMS自适应算法  相似文献   

2.
短时交通流复杂动力学特性分析及预测   总被引:2,自引:0,他引:2       下载免费PDF全文
张洪宾  孙小端  贺玉龙 《物理学报》2014,63(4):40505-040505
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.  相似文献   

3.
基于信息准则的局域预测法邻近点的选取方法   总被引:2,自引:0,他引:2       下载免费PDF全文
孟庆芳  彭玉华  曲怀敬  韩民 《物理学报》2008,57(3):1423-1430
基于信息准则,提出了选取局域预测法中邻近点个数的定量方法. 并用此方法分析Lorenz模型生成的混沌时间序列和Santa Fe时间序列竞赛的激光数据(Data A). 实验结果表明用该方法选取邻近点的局域预测法的一步和多步预测性能较好,在满足预测精度较高的条件下,计算量较小. 关键词: 邻近点 邻域 局域预测 信息准则  相似文献   

4.
依据相空间邻近轨道演化相似性特点建立训练模式,提出了基于自适应高阶非线性Volterra滤波器(HONFIR)的混沌时间序列多步预测模型(MSP-HONFIR);通过定义距离相似度、趋势相似度来衡量轨道演化相似度,提出了混沌吸引子邻近轨道判别的新方法;从模型训练充分性角度出发探讨了MSP-HONFIR滤波器模型训练集规模控制的依据.数值研究表明MSP-HONFIR滤波器模型的多步预测性能优于原有HONFIR滤波器模型. 关键词: 混沌 非线性自适应预测 Volterra滤波器模型 训练模式  相似文献   

5.
基于最大Lyapunov指数的多变量混沌时间序列预测   总被引:4,自引:0,他引:4       下载免费PDF全文
张勇  关伟 《物理学报》2009,58(2):756-763
参考基于最大Lyapunov指数的单变量混沌时间序列预测方法,提出一种通过选取多个邻近重构向量,预测多变量混沌时间序列的局域法.采用新方法对两个完全不同的Rssler方程的耦合系统,Rssler方程和Hyper Rssler方程的耦合系统的多变量混沌时序进行一步和多步预测,结果表明了该方法的有效性,且算法具有较强的抗噪能力.讨论了参考邻近点数和预测结果的关系. 关键词: Lyapunov指数 混沌时间序列预测 多变量时间序列 最小二乘法  相似文献   

6.
连续混沌系统的非线性自适应预测跟踪控制   总被引:3,自引:0,他引:3       下载免费PDF全文
张家树  肖先赐 《物理学报》2001,50(11):2092-2096
基于混沌时间序列的非线性自适应预测原理,用一种sigmoid-Volterra自适应预测滤波器研究了连续混沌系统的非线性自适应预测跟踪控制.通过对Lorenz,R?ssler等典型混沌系统的控制,仿真证实了这种sigmoid-Volterra自适应预测控制器的有效性.这种方法的优点在于它既不需要知道精确的混沌系统模型,也不需要进行系统模型辨识. 关键词: 混沌 sigmoid-Volterra自适应预测滤波器 非线性自适应预测跟踪  相似文献   

7.
时空混沌序列的局域支持向量机预测   总被引:9,自引:0,他引:9       下载免费PDF全文
结合局域预测法计算速度快的优点和支持向量机的泛化性能好、全局最优、稀疏解等特性,用局域支持向量机预测研究了时空混沌序列的局域预测性能,并用局域支持向量机预测模型讨论了嵌入维数、邻近个数选择以及时空混沌的耦合方式和格子间的耦合强度变化对时空混沌局域预测性能的影响.研究结果表明:局域支持向量机不仅比全局支持向量机、局域零阶预测、局域线性预测等方法具有更好的预测性能,且具有对嵌入维数和邻近个数不敏感的优点;时空混沌的耦合方式和格子间的耦合强度对时空混沌序列的预测性能有明显影响.  相似文献   

8.
甘建超  肖先赐 《物理学报》2003,52(5):1096-1101
提出了一种基于相空间邻域的线性自适应滤波算法,将时间域变换到高维重构矢量空间,使 得不可能实现的线性预测变成了可能.实验结果表明:这种基于相空间邻域的线性自适应预 测滤波器能够有效预测一些混沌序列,能够检测到一些混沌载波中的信号,具有去混沌噪声 的能力. 关键词: 混沌时间序列 重构矢量 自适应预测  相似文献   

9.
张家树  肖先赐 《物理学报》2001,50(7):1248-1254
研究了二阶Volterra滤波器的一种乘积耦合近似实现结构及其非线性NLMS自适应算法,并用这种少参数二阶Volterra滤波器(RPSOVF)研究了一些混沌信号的非线性自适应预测性能.仿真研究结果表明:所给出的非线性NLMS自适应算法能够保证这种RPSOVF的稳定性和收敛性,且RPSOVF用这种非线性NLMS自适应算法能够自适应预测一些混沌时间序列. 关键词: 混沌 非线性自适应预测 Volterra滤波器 非线性NLMS自适应算法  相似文献   

10.
混沌时间序列基于邻域点的非线性多步自适应预测   总被引:9,自引:0,他引:9       下载免费PDF全文
甘建超  肖先赐 《物理学报》2003,52(12):2995-3001
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  相似文献   

11.
张家树  肖先赐 《物理学报》2000,49(12):2333-2339
基于混沌动力系统的相空间延迟坐标重构,利用混沌序列固有的确定性和非线性,提出了用 于混沌时间序列预测的一种少参数非线性自适应滤波预测模型.该预测模型在Volterra自适 应滤波器的基础上引入sigmoid函数来减少待定参数.实验研究表明,这种少参数非线性自适 应滤波预测器仅需用50个样本经20次预训练后,就能有效地预测一些低维混沌序列,且这种 少参数非线性自适应滤波预测器更便于工程实现. 关键词: 混沌 非线性自适应预测 少参数非线性自适应滤波器 自适应算法  相似文献   

12.
孟庆芳  彭玉华  孙佳 《中国物理》2007,16(11):3220-3225
Based on the Bayesian information criterion, this paper proposes the improved local linear prediction method to predict chaotic time series. This method uses spatial correlation and temporal correlation simultaneously. Simulation results show that the improved local linear prediction method can effectively make multi-step and one-step prediction of chaotic time series and the multi-step prediction performance and one-step prediction accuracy of the improved local linear prediction method are superior to those of the traditional local linear prediction method.[第一段]  相似文献   

13.
基于混沌算子网络的时间序列多步预测研究   总被引:1,自引:0,他引:1       下载免费PDF全文
修春波  徐勐 《物理学报》2010,59(11):7650-7656
结合相空间重构理论和时间序列分析理论,提出一种用于时间序列多步预测的网络模型.网络采用多个混沌算子加权求和的形式构成.网络各层单元采用固定权值连接,混沌算子的控制参数利用混沌优化算法进行训练调节,从而控制预测网络的动力学行为.利用已知时间序列数据构造出训练样本,训练样本在网络训练过程中仅使用一次,促使网络的动力学特性随时间的推移而变化,并逐渐逼近被预测系统的动力学特性,最终完成对未来时刻数据的预测.在对理论数据进行预测分析时,通过计算预测序列的Lyapunov指数验证了预测网络的有效性.在对实际时间序列的预测过程中,该网络表现出了良好的预测性能.仿真结果表明,该预测网络可对多种时间序列在一定的预测步长范围内实现有效的预测.  相似文献   

14.
基于分数阶最大相关熵算法的混沌时间序列预测   总被引:1,自引:0,他引:1       下载免费PDF全文
王世元  史春芬  钱国兵  王万里 《物理学报》2018,67(1):18401-018401
为提高最大相关熵算法对混沌时间序列的预测速度和精度,提出了一种新的分数阶最大相关熵算法.在采用最大相关熵准则的基础上,利用分数阶微分设计了一种新的权重更新方法.在alpha噪声环境下,采用新的分数阶最大相关熵算法对Mackey-Glass和Lorenz两类具有代表性的混沌时间序列进行预测,并分析了分数阶的阶数对混沌时间序列预测性能的影响.仿真结果表明:与最小均方算法、最大相关熵算法以及分数阶最小均方算法三类自适应滤波算法相比,所提分数阶最大相关熵算法在混沌时间序列预测中能够有效地抑制非高斯脉冲噪声干扰的影响,具有较快收的敛速度和较低的稳态误差.  相似文献   

15.
Neural Volterra filter for chaotic time series prediction   总被引:1,自引:0,他引:1       下载免费PDF全文
李恒超  张家树  肖先赐 《中国物理》2005,14(11):2181-2188
A new second-order neural Volterra filter (SONVF) with conjugate gradient (CG) algorithm is proposed to predict chaotic time series based on phase space delay-coordinate reconstruction of chaotic dynamics system in this paper, where the neuron activation functions are introduced to constraint Volterra series terms for improving the nonlinear approximation of second-order Volterra filter (SOVF). The SONVF with CG algorithm improves the accuracy of prediction without increasing the computation complexity. Meanwhile, the difficulty of neuron number determination does not exist here. Experimental results show that the proposed filter can predict chaotic time series effectively, and one-step and multi-step prediction performances are obviously superior to those of SOVF, which demonstrate that the proposed SONVF is feasible and effective.  相似文献   

16.
叶美盈  汪晓东 《中国物理》2004,13(4):454-458
We propose a new technique of using the least squares support vector machines (LS-SVMs) for making one-step and multi-step prediction of chaotic time series. The LS-SVM achieves higher generalization performance than traditional neural networks and provides an accurate chaotic time series prediction. Unlike neural networks‘ training that requires nonlinear optimization with the danger of getting stuck into local minima, training LS-SVM is equivalent to solving a set of linear equations. Thus it has fast convergence. The simulation results show that LS-SVM has much better potential in the field of chaotic time series prediction.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号