基于非线性混沌时序动力系统的预测方法研究

主要研究由混沌时序所确定的非线性动力系统的预测方法．研究了非线性自相关混沌模型的结构,模型阶数的确立技术．将神经网络和小波理论相结合,研究了小波变换神经网络的结构,给出了小波神经网络的学习方法;提出了一种新的基于小波网络的参数辨识方法．该方法可以有选择地提取时序中的不同的时间、频率尺度,实现原时序的趋势或细节预测．通过对混沌时序进行预处理,并比较预处理后的预测结果,得到了一些有益的结果:用非线性自相关混沌模型采用小波网络对模型参数进行辨识,其辨识的准确程度较高,用该模型对混沌时序(包括含有噪声)的预测比较有效．     

低噪声水平混沌时序的预测技术及其应用研究

研究含有噪声的混沌时序的除噪及其重构技术,基于除噪混沌数据的预测技术及其应用．应用混沌时序的奇异值分解技术对混沌时序的噪声进行了剥离,将混沌时序的相空间分解成为值域空间和虚拟的噪声空间,在值域空间内重构了原混沌时序,并在此基础上,确立了非线性模型的阶,利用所提出的非线性模型对时序进行了预测研究工作,研究结果表明,该非线性模型具有很强的函数逼近能力,所采用的混沌预测方法对相应的实际问题有着一定的指导意义．     

动力系统实测数据的非线性混沌模型重构

动力系统实测非线性混沌数据的模型重构技术是相空间重构的重要内容。在判定了实测数据的非线性混沌特征,计算了实测数据的分维数,Lyapunov指数,并对其进行了本征值分解和噪声去除及确定其模型阶数以后,提出了一个动力系统实测数据的非线性混沌模型,给出了相应的模型参数辨识方法,并用其确立的混沌模型进行了预测工作,计算结果表明:模型参数辨识方法能迅速地将参数估计值带到多峰目标函数的全局最少值附近,然后再采用优化理论能较准确地求出模型的参数,用得到的混沌模型对系统进行预测工作其预测效果良好,且混沌时序不可能作长期预测。     

动力系统实测数据的非线性混沌特性的判定

本文利用相位随机化的替代数据方法，给出了一个对动力系统实测时间序列数据的特性进行判定的方法·计算结果表明：相位的充分随机化可提高判别的准确程度·把此判据用于随机时序与非线性混沌时序所得的判据值有明显的差异·     

混沌时序相空间重构的分析和应用研究

在国内外学者工作的基出上,应用Legendere坐标法重构动力系统的相空间,研究了时序时隔τ的取值范围,讨论了时序间隔τ对相空间重构工作的影响,并用所提方法重构了系统的吸引子.算例表明所提方法是有效的.     

ARIMA模型在医院季节性时序资料预测中的应用

通过分析医院时间序列资料的变动规律，本文找出了其共同的特点（如趋势增长或下降季节变化）和共性中的特点（高峰值的不同周期）。由于时间序列是由： Ｘ（ｔ） ＝Ｔ（ｔ）＋Ｓ（ｔ） ＋ｅ（ｔ）的成分构成，具有较明显的周期变化、增减趋势和季节波动，故医院季节性时间序列资料大都为非平稳时间序列，本文给出平稳化的步骤。预测具体方法和结果。     

一类金融系统行为的非线性混沌分析

利用相位随机化的替代数据方法对中国商品期货市场某些品种特性进行了判定,此方法用于随机时序与非线性混沌时序所得的判据值有明显差异．并应用混沌时序的奇异值分解技术对混沌时序的噪声进行了剥离,将相空间分解为值域空间和虚拟的噪声空间,在值域空间内重构了原混沌时序．进一步采用建立在改进的一般约束随机化方法基础之上强扰动的方法再次判定．根据计算结果对商品期货市场的走势进行了分析,结果表明中国商品期货市场是具有明显非线性混沌特性的一类复杂非线性混沌系统．     

一类非线性动力系统混沌运动的研究

讨论了含二次和三次非线性项的受迫振动系统 -λ₁T+λ₂T2+λ₃T3=ε(gcosωt-ε'T)的混沌运动,利用Melnikov函数法给出了发生混沌的临界条件,结合相平面轨迹、时程曲线和Poincaré映射判定系统是否发生混沌.     

基于混合模型的原油价格混沌预测方法

针对原油现货价格的非线性和时变性特征,提出一种小波变换结合Elman神经网络和广义自回归条件异方差(GARCH)模型的混沌预测方法。首先利用小波变换将原油现货价格序列分解和重构成概貌序列和细节序列。其次对概貌序列和原油期货价格序列进行相空间重构,建立Elman神经网络的混沌时间序列模型预测概貌序列的未来值;同时以细节序列为历史数据,构建GARCH模型预测细节序列的未来值;最后将概貌序列和细节序列的未来值求和作为最终的预测值。实验证明该方法能够提供更准确的预测结果。     

灰色时序组合模型及其在地下水埋深预测中的应用

地下水埋深的变化过程是一个复杂的非线性过程,这种具有复杂的非线性组合特征的序列,使用某一种模型进行预测,结果往往不理想.在分析了灰色GM(1,1)模型、灰色GM(1,1)周期性修正模型和时序AR(n)模型的优点和缺点基础上,提出了一种新的灰色时序组合预报模型.该方法利用了GM预测所需原始数据少、方法简单的优点,用周期修正方法反映其地下水位埋深周期性波动的特征,用AR(n)模型预报其地下水位埋深的随机变化.实例研究表明,这种方法方便简洁实用且预测结果接近于实际观测值,为其它地区的地下水位埋深和相关时间序列的分析研究提供参考与借鉴作用.     

混沌时间序列的2阶预测模型

为了克服传统预测方法对混沌时间序列预测精度不高的缺点,提出一种新的基于1阶预测模型(1-OP)和信息融合理论的混沌时间序列2阶预测模型(2-OP).首先根据相空间重构理论建立2个1阶预测模型,然后根据融合估计原理建立2阶预测模型.最后利用Lorenz和Mackey-Glass时间序列对该模型进行验证,结果表明,2阶预测模型对多变量和单变量混沌系统都是有效的.     

基于RBM的神经网络时间序列预测

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.     

基于支持向量回归机的水文混沌时间序列预测

支持向量机在系统辨识和分类研究方面比较成熟,目前尚没有提出有效的支持向量回归理论来解决非线性、时变、干扰的复杂问题.支持向量回归机主要用于因果关系点对的回归预测,把支持向量回归机应用于水文混沌时间序列的预测研究是一个有意义的工作.在支持向量机一般理论基础上,提出了水文混沌时间序列支持向量回归机模型,并就模型进行仿真计算,讨论了模型参数对支持向量回归机预测精度的影响,为模型参数寻优提供一般指导原则.直门达水文站径流量混沌时间序列支持向量回归机预测实验表明,水文混沌时间序列支持向量回归机模型是有效的.     

基于多元混沌时间序列的油田产量预测模型

油田产量的预测一直是石油工作者研究的重要课题.针对油田产油量、产水量、地层压力和时间之间有着混沌的特征,利用多变量混沌时间序列等方法研究了油田产量的混沌建模和预测问题.用C-C算法确定每一个变量的嵌入维数和延迟时间,重构多元混沌时间序列的相空间;使用基于奇异值分解的主成分分析消除重构相空间的冗余变量和噪声干扰,建立了有较好泛化性能的多元混沌时间序列油田产量预测模型;最后将混沌时间序列预测和Elman神经网络进行耦合,创建了基于主成分分析前馈网络的多元混沌时间序列油田产量预测方法.应研究表明,提出的多变量混沌时间序列预测方法的预测精确度优于单变量预测,它可用于解决具有多变量混沌时间序列的预测问题.     

基于动力学视角的经济时间序列分析

基于1978~2014年中国教育发展水平、就业人数与实际资本存量的数据,应用动力学原理建立模型,讨论了模型均衡解的稳定性,同时分析了该经济系统受到外部扰动时的动力学行为.研究结果表明,外部扰动产生的系统混沌效应会影响经济系统的正常运行,从而管理者有必要对经济系统提出有效的应对策略.因此,基于动力学原理,本文为时间序列动力学特征的微观刻画提供了一个视角.     

时间序列预测模型研究综述

介绍了时间序列预测模型的产生和发展,呈现了时间序列模型研究方向的理论、方法和应用,并就未来的发展势态进行了初步的探讨.     

基于支持向量机的混沌时间序列模型在房产价格指数预测中的应用

针对房产价格指数的预测问题,建立了混沌时间序列的支持向量机的非线性预测模型.首先运用Cao氏法进行相空间重构,并利用改进型小数据量法计算最大的Lyapunov指数,分析上海房产价格指数时间序列的混沌特性.然后以最小嵌入维数作为支持向量机的输入节点,建立房地价格指数的预测模型.实例表明,该方法能较好地处理复杂的房地产数据,具有较高的泛化能力和很好的预测精度.     

中国FDI的混沌吸引子检测及非线性动力学预测——基于logistic模型

应用logistic模型对我国1980~2005年FDI序列进行检测,并没有发现FDI混沌吸引子存在.预测结果显示,我国FDI已趋于平稳增长,"十一五"期间FDI年均增长为3.41%,年均FDI流入量为654亿美元,预计累计吸引FDI在2978.291~3562.052亿美元之间.这为我国"十一五"利用外资规划中的目标提供了有力的支持.同时,我国FDI具有拥塞现象,且所产生的阻力日益加剧,FDI需外部激励才能持续增长.为实现"十一五"利用FDI目标,一方面我国要努力调节FDI的地区分布结构和产业分布,扩大FDI环境容量,更重要的是要保持经济持续增长,改善投资环境,提高服务质,增加外商对华直接投资的信心.