基于最大Lyapunov指数的多变量混沌时间序列预测

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     

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     

空气湍射流速度时间序列的最大Lyapunov指数以及湍流脉动

用热线风速仪采集了圆喷嘴空气射流的速度时间序列,并采用一种基于最大Lyapunov指数不变性的混沌时间序列分析方法,计算了出口雷诺数在939≤Re≤3758范围内的速度信号的最大Lyapunov指数以及湍流的非拟序脉动.结果表明,最大Lyapunov指数随着雷诺数的增加而增大,随着离开喷嘴出口距离的增加而减小,而且最大Lyapunov指数的倒数与关联时间是正相关的.湍流的非拟序脉动随着雷诺数的增加以及随着离开喷嘴出口距离的增加均是逐渐增大的,而且湍流的非拟序脉动与Kolmogorov尺度是负相关的.     

半导体激光器低频噪声的Lyapunov指数计算和混沌状态判定

根据小波变换和混沌噪声理论,对半导体激光器低频噪声进行了实验和理论分析.应用相轨迹、功率谱、Lyapunov指数、关联维等方法,探讨了噪声混沌模型的可行性.实验证明半导体激光器低频噪声具有混沌特性.在理论上分析了产生混沌的原因,为研究其可靠性提供了理论基础. 关键词： 混沌 Lyapunov指数 小波变换 低频噪声     

输油管道压力时间序列混沌特性研究

输油管道压力波动的内在动态特征,采用非线性的分析方法探讨了实测输油管道压力波动中存在混沌动态特性的可能性. 以6个典型的输油管道压力实测数据集为研究对象,重构相空间、求得了分形维数和Lyapunov指数谱、验证了数据的平稳性和非线性. 通过对所得结果的分析,从理论上证明了输油管道压力信号具有严格混沌动态特性. 为基于输油管道压力时间序列的研究提供了混沌理论基础. 关键词： 压力时间序列 Lyapunov指数 分形维数 混沌     

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     

多变量时间序列最大李雅普诺夫指数的计算

根据单变量时间序列计算最大Lyapunov指数的算法思想，本文提出了一种于多变量时间序列最大Lyapunov指数计算的方法.针对原有算法需要使用重构相空间的特点，推广算法给出了多变量时间序列相空间重构参数的选择方法，并采用多变量重构相空间进行最大Lyapunov指数计算.经耦合Rssler系统产生多变量时间序列的仿真计算，验证了该算法的有效性，推广算法的计算结果表明多变量时间序列的计算结果优于单变量的结果，且更加接近理论计算结果. 关键词： 多变量时间序列 相空间重构 Lyapunov指数     

耦合映像系统的最大Lyapunov指数

对logistic耦合映像的最大Lyapunov指数研究发现: 在混沌区参数内在系统尺度足够大而 耦合强度具有较大值时系统的最大Lyapunov指数存在一个不随尺度和耦合强度变化的平台 .该平台的物理意义也得以解释. 关键词：     

基于分数阶最大相关熵算法的混沌时间序列预测

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.     

精确配置离散动力系统的所有Lyapunov指数

针对给定的确定性离散时间动力学系统,提出一种可以精确配置受控系统所有Lyapunov指数的混沌控制与反控制新方法.本文不限制给定系统的具体形式,仅利用取模运算和预设的一组Lyapunov指数,设计出一种新的状态反馈控制器.在控制器的作用下,受控系统的Lyapunov指数与预设的Lyapunov指数一致.控制器的形式简单,可以用于解决混沌控制和混沌反控制两种问题.给出了数学证明和两个实例,仿真结果显示了算法的有效性.     

New prediction of chaotic time series based on local Lyapunov exponent

A new method of predicting chaotic time series is presented based on a local Lyapunov exponent, by quantitatively measuring the exponential rate of separation or attraction of two infinitely close trajectories in state space. After reconstructing state space from one-dimensional chaotic time series, neighboring multiple-state vectors of the predicting point are selected to deduce the prediction formula by using the definition of the local Lyapunov exponent. Numerical simulations are carried out to test its effectiveness and verify its higher precision over two older methods. The effects of the number of referential state vectors and added noise on forecasting accuracy are also studied numerically.     

Regular nonlinear response of the driven Duffing oscillator to chaotic time series

Nonlinear response of the driven Duffng oscillator to periodic or quasi-periodic signals has been well studied.In this paper,we investigate the nonlinear response of the driven Duffng oscillator to non-periodic,more specifically,chaotic time series.Through numerical simulations,we find that the driven Duffng oscillator can also show regular nonlinear response to the chaotic time series with different degree of chaos as generated by the same chaotic series generating model,and there exists a relationship between the state of the driven Duffng oscillator and the chaoticity of the input signal of the driven Duffng oscillator.One real-world and two artificial chaotic time series are used to verify the new feature of Duffng oscillator.A potential application of the new feature of Duffng oscillator is also indicated.     

Improving the prediction of chaotic time series

One of the features of deterministic chaos is sensitive to initial conditions. This feature limits the prediction horizons of many chaotic systems. In this paper, we propose a new prediction technique for chaotic time series. In our method, some neighbouring points of the predicted point, for which the corresponding local Lyapunov exponent is particularly large, would be discarded during estimating the local dynamics, and thus the error accumulated by the prediction algorithm is reduced. The model is tested for the convection amplitude of Lorenz systems. The simulation results indicate that the prediction technique can improve the prediction of chaotic time series.     

含噪混沌时间序列预测误差分析

对于含噪混沌时间序列预测问题, 传统方法存在较大的经验性, 对预测误差的构成分析不足, 因而忽略了混沌动态重建与预测模型建立之间的差异性. 本文将实际预测误差分解为预测器偏差和输入扰动误差, 并对整体最小二乘和正则化两种全局预测方法进行分析比较, 进而说明整体最小二乘适用于混沌动态的重建, 对预测器偏差影响较大, 而正则化方法能够改善预测器敏感性, 对输入扰动误差影响较大. 通过两个仿真实例, 展示了混沌动态重建与预测模型建立之间的差异, 在对比最小二乘和正则化方法的同时验证了实际预测误差受预测器偏差和输入扰动误差共同作用. 并指出, 在实际操作时应在二者间寻求平衡, 以便使模型预测精度达到最优. 关键词： 混沌时间序列预测 噪声 整体最小二乘 正则化