基于有限穿越可视图的时间序列网络模型

提出了一种改进的时间序列有限穿越可视图建网方法,并对三种可视图(可视图、水平可视图、有限穿越可视图)网络度分布进行了评价.结果表明:水平可视图网络均无法有效识别各类时间序列信号(周期、分形、混沌);对分形信号,可视图及有限穿越可视图网络均具有无标度幂律形式,但抗噪能力较差;对周期信号及混沌信号,有限穿越可视图网络比可视图具有更强的抗噪性.在此基础上,采用有限穿越可视图网络从油气水三相流电导波动信号中提取了度分布特征参数,通过其特征参数组合实现了对三种典型三相流流型(水包油泡状流、水包油泡状-段塞过渡流型及水包油段塞流)较好的辨识效果.     

基于多路可视图的健康与心梗患者心电图信号复杂网络识别

可视图(visibility graph, VG)算法已被证明是将时间序列转换为复杂网络的简单且高效的方法,其构成的复杂网络在拓扑结构中继承了原始时间序列的动力学特性.目前,单维时间序列的可视图分析已趋于成熟,但应用于复杂系统时,单变量往往无法描述系统的全局特征.本文提出一种新的多元时间序列分析方法,将心梗和健康人的12导联心电图(electrocardiograph, ECG)信号转换为多路可视图,以每个导联为一个节点,两个导联构成可视图的层间互信息为连边权重,将其映射到复杂网络.由于不同人群的全连通网络表现为完全相同的拓扑结构,无法唯一表征不同个体的动力学特征,根据层间互信息大小重构网络,提取权重度和加权聚类系数,实现对不同人群12导联ECG信号的识别.为判断序列长度对识别效果的影响,引入多尺度权重度分布熵.由于健康受试者拥有更高的平均权重度和平均加权聚类系数,其映射网络表现为更加规则的结构、更高的复杂性和连接性,可以与心梗患者进行区分,两个参数的识别准确率均达到93.3%.     

混合交通流时间序列的去趋势波动分析

应用去趋势波动分析法研究交通流时间序列的复杂性,探讨了混合交通流时间序列演变行为的标度指数.根据标度指数的变化特征,进而揭示交通流时间序列所具有的长程相关性和短程相关性.通过分析发现,存在一密度ρ,当ρ₁<ρ<ρ₂时,交通流时间序列具有长程相关性;而当ρ<ρ₁或ρ>ρ₂时,交通流时间序列具有短程相关性,即密度的变化影响着标度指数的变化.另外分析了在不同慢车比率条件下时间序列的标度指数,发现慢车比率的变化 关键词： 混合交通流 去趋势波动分析 时间序列 长程相关     

用于混沌时间序列预测的多簇回响状态网络

研究了混沌时间序列预测问题.提出了一种由五元生长因子组调控的类皮层神经网络模型,即多簇回响状态网络模型（MCESN）.研究表明该生长因子组能够有效决定模型的拓扑性质;同时具备小世界和无标度等复杂网络特征的MCESN能够获得较优的预测结果.通过Monte Carlo仿真实验表明,该模型不仅训练算法简单,而且与常规回响状态网络比较,预测结果的精度更高、标准差更小. 关键词： 混沌时间序列预测 回响状态网络 复杂网络 Ω复杂性')" href="#">Ω复杂性     

基于时间序列符号化模式表征的有向加权复杂网络

时间序列复杂网络分析近些年已发展成为非线性信号分析领域的一个国际热点课题.为了能更有效地挖掘时间序列(特别是非线性时间序列)中的结构特征,同时简化时间序列分析的复杂度,提出了一种新的基于时间序列符号化结合滑窗技术模式表征的有向加权复杂网络建网方法.该方法首先按照等概率区段划分的方式将时间序列做符号化处理,结合滑窗技术确定不同时刻的符号化模式作为网络的节点;然后将待分析时间序列符号化模式的转换频次和方向作为网络连边的权重和方向,从而建立时间序列有向加权复杂网络.通过对Logistic系统不同参数设置对应的时间序列复杂网络建网测试结果表明,相比经典的可视图建网方法,本文方法的网络拓扑能更简洁、直观地展示时间序列的结构特征.进而,将本文方法应用于规则排列采集的自然风场信号分析,其网络特性指标能较准确地预测采集信号的排布规律,而可视图建网方法的网络特性指标没有任何规律性的结果.     

两相流有限穿越可视图演化动力学研究

针对小管径两相流流动特性, 全新优化设计弧形对壁式电导传感器. 通过动态实验在获取传感器测量信号的基础上, 采用有限穿越可视图理论构建对应于不同流型的两相流复杂网络. 通过分析发现, 有限穿越可视图网络异速生长指数和网络平均度值的联合分布可实现对小管径两相流的流型辨识; 有限穿越可视图度分布曲线峰值可有效刻画与泡径大小分布相关的流动物理结构细节特征; 网络平均度值可表征流动结构的宏观特性; 网络异速生长指数对流体动力学复杂性十分敏感, 可揭示不同流型演化过程中的细节演化动力学特性. 两相流测量信号的有限穿越可视图分析为揭示两相流流型的形成及演化动力学机理提供了新途径. 关键词： 两相流 复杂网络 有限穿越可视图 网络异速生长指数     

基于复杂网络的时间序列双变量联动波动

选择伦敦金与Au9999下午收盘价格作为样本数据研究时间序列双变量之间的联动波动规律.依据粗粒化方法,将伦敦金与Au9999价格的联动波动状态转化为由5个{P,N,M}字符组成的字符串,每个字符串代表5天的价格联动波动模态.将模态作为节点,模态之间的转化为边,构建价格联动波动复杂网络.运用复杂网络理论对时间序列双变量联动波动模态的统计、变化规律和演化机制进行分析.结果表明:时间序列双变量联动波动模态分布具有幂律性、群簇性和周期性,其联动波动模态主要通过少数几种模态进行转换与演化.本方法不仅可以研究不同类型时间序列双变量联动波动,同时可为多变量联动波动研究提供思路.     

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.     

储备池状态空间重构与混沌时间序列预测

分析了现有的基于回声状态网络(ESN)的迭代预测方法，指出了该方法在理论上存在的问题以及应用中存在的障碍.提出了一种基于储备池的直接预测方法，该方法利用预测原点和预测时域之间的关系直接构建预测器，因此可以预先对预测器的稳定性施加约束，从而避免了在迭代预测方法中由于网络回路闭合而产生的稳定性问题.在仿真中，首先以Lorenz时间序列为例分析了迭代预测方法在闭合回路前后储备池的变化情况，然后通过Mackey-Glass标杆问题的测试验证了直接预测方法的可行性.     

短期风速时间序列混沌特性分析及预测

针对短期风速时间序列的预测问题进行了研究. 首先通过0-1混沌测试法确定短期风速时间序列具有混沌特性. 采用相空间重构技术, 利用C-C算法确定延迟时间, G-P 算法确定嵌入维数. 然后提出一种参数在线修正的最小二乘支持向量机预测模型, 采用改进的粒子群算法进行预测模型中参数的优化. 最后通过仿真对比实验表明提出的预测方法在预测精度、预测误差、预测效果方面都要优于其他常见的预测方法, 证明该预测方法是有效的.     

Visitor flow pattern of Expo 2010

Expo 2010 Shanghai China was a successful, splendid, and unforgettable event, leaving us with valuable experi- ences. The visitor flow pattern of the Expo is investigated in this paper. The Hurst exponent, the mean value, and the standard deviation of visitor volume indicate that the visitor flow is fractal with long-term stability and correlation as well as obvious fluctuation in a short period. Then the time series of visitor volume is converted into a complex network by using the visibility algorithm. It can be inferred from the topological properties of the visibility graph that the network is scale-free, small-world, and hierarchically constructed, confirming that the time series are fractal and a close relationship exists among the visitor volumes on different days. Furthermore, it is inevitable that will be some extreme visitor volumes in the original visitor flow, and these extreme points may appear in a group to a great extent. All these properties are closely related to the feature of the complex network. Finally, the revised linear regression is performed to forecast the next-day visitor volume based on the previous 10-day data.     

Markov transition probability-based network from time series for characterizing experimental two-phase flow

We generate a directed weighted complex network by a method based on Markov transition probability to represent an experimental two-phase flow. We first systematically carry out gas-liquid two-phase flow experiments for measuring the time series of flow signals. Then we construct directed weighted complex networks from various time series in terms of a network generation method based on Markov transition probability. We find that the generated network inherits the main features of the time series in the network structure. In particular, the networks from time series with different dynamics exhibit distinct topological properties. Finally, we construct two-phase flow directed weighted networks from experimental signals and associate the dynamic behavior of gas-liquid two-phase flow with the topological statistics of the generated networks. The results suggest that the topological statistics of two-phase flow networks allow quantitative characterization of the dynamic flow behavior in the transitions among different gas-liquid flow patterns.     

基于复杂网络的交通拥堵与传播动力学分析

本文运用改进的中观交通流模型,研究了网络拓扑结构对交通拥堵的影响,进而分析复杂网络上的交通传播动力学特征和传播规律.结论有助于提出消除交通拥堵的有效控制策略以及交通规划的合理方案. 关键词： 复杂网络 交通流 交通拥堵 传播特性     

混沌时间序列的模糊神经网络预测

设计一种新型混合模糊神经推理系统，该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的.再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数，这样大大减少了规则匹配过程，加快了推理速度，从而极大程度地提高了系统的自适应能力.用它对Mackey-Glass混沌时间序列进行预测试验,结果表明利用该网络模型无论离线还是在线学习均能对Mackey-Glass混沌时间序列进行准确的预测，证明了该系统的有效性. 关键词： 神经网络模型 模糊逻辑 混合推理系统 混沌时间序列     

Analysis of maximum traffic flow and its breakdown on congested freeways

This study analyzes the dynamic behavior of traffic flow over time by deriving the theoretical value of flow oscillations convergence () following the breakdown of traffic flow. Modeling traffic flow fluctuations over time reflects two basic zones: the increasing demand zone that terminates approximately when the maximum flow is attained, and the oscillations zone that reflects the fluctuations of flow until its stabilization. The models in the flow-time plane introduce a new concept of “stable maximum flow” particularly for design purposes. Both converged values and observed recovery flow values represent the end of the recovery phase transition where the traffic stream approaches the free flow regime through lower flow conditions than the maximum flow conditions. A comparison between breakdown starting times and times of the maximum flow shows that in most cases, when one breakdown period (OB) is experienced, breakdown starts 21–50 min after observing the maximum flow. Modeling changes in traffic flows in the flow-time plane is emphasized for OB or multiple breakdown period (MBP) cases. The analysis of frequent OB and infrequent MBP cases allow for better controlling of the traffic flow by maintaining its flow level below maximum.