导读:本文包含了混沌时间序列论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:混沌,序列,时间,网络,小波,重构,模型。
混沌时间序列论文文献综述
熊有成,赵鸿[1]（2019）在《长短期记忆网络预测混沌时间序列》一文中研究指出近年来,深度学习技术的快速发展推动了机器学习的广泛应用.其中,储备池计算(Reservoir Computing)方法由于在混沌时间序列预测方面的卓越效果而受到了越来越多的重视,形成了一个新的研究热点.本文以传统的长短期记忆网络(LSTM)和全连接层作为模型的基础,构建了基于循环神经网络的LSTM学习机.在仿真实验中,我们以平均有效预测时间作为度量指标,使用模型对洛伦兹系统的状态变量进行预测,并针对混沌系统特殊的动力学性质,为模型搭配了四项策略来辅助预测.结果表明, LSTM学习机搭配合适的组合策略,其预测能力也能达到与储备池计算相比拟的效果,且模型复杂度更低.因此,储备池计算并没有超越于传统方法的绝对优势,这启发我们通过进一步研究学习机预测时间序列的机制和方法,寻找更加有效的时间序列预测学习机.(本文来源于《中国科学:物理学 力学 天文学》期刊2019年12期）
罗帅,丁勤卫,李春,黄致谦[2]（2019）在《风速时间序列混沌特征分析及非线性短期预测》一文中研究指出针对风能发电及天气预报等领域中一直是难点和重点的风速时间序列预测问题,首先分别通过相图法和最大Lyapunov指数法定性定量确定风速时间序列具有混沌特征;在此基础上,针对风速时间序列混沌特征结合相空间重构理论进行预测,根据C-C算法确定嵌入维数及延迟时间,将混沌理论应用于Volterra自适应模型,建立新的风速预测模型;以Lorenz方程为例验证该预测模型的准确性,并通过预测风速对比实测风速,进行误差分析。结果表明:风速时间序列具有明显的混沌特征;风速时间序列的混沌特征表明其长期预测是不现实的,但其确定性结构表明其具有短期可预测性;以预测Lorenz方程数值解的方式验证了Volterra自适应预测模型的准确性,其预测误差控制在10~(-4)以内;Volterra自适应预测模型可以对实测风速时间序列进行准确的预测,预测误差控制在0.1 m/s内。(本文来源于《能源工程》期刊2019年05期）
陈佳,郑恩让,贺永宁[3]（2019）在《基于最小二乘支持向量机对称性的混沌时间序列预测》一文中研究指出利用最小二乘支持向量机的对称性约束条件挖掘混沌时间序列的对称性,分析混沌系统固有的对称特性,提出一种对称性最小二乘支持向量机的混沌时间序列预测方法。该方法将混沌系统的对称性作为先验知识嵌入预测模型,Lorenz系统的仿真结果表明该方法不仅能够精确地预测混沌时间序列,而且扩展了混沌系统的预测空间,这一结论预示着最小二乘支持向量机是一种研究混沌时间序列的有效方法。(本文来源于《现代电子技术》期刊2019年15期）
李金策,李宏光,王永健[4]（2019）在《一种新型的HCRJ网络及其在多元混沌时间序列预测的应用》一文中研究指出近年来,回声状态网络(Echo state network ESN)以其在混沌时间序列预测表现的优越性能而备受关注。然而,传统的ESN网络采用随机生成的稀疏网络结构和单一的神经元模型,导致其计算能力难以满足多元混沌时序预测性能的要求。为了克服这一缺点,本文提出一种混合小波神经元模型和CRJ(cycle reservoir with jumping)结构相结合的新型网络HCRJ。为了验证模型的有效性,将所提出的HCRJ网络模型应用于钻井过程产生的多元混沌时序预测中,并与传统的ESN和CRJ预测结果进行对比。实验结果表明,HCRJ网络模型在确保不增加储备池复杂度的情况下,丰富了网络的动态特性,提高了网络的预测性能。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
程立,夏新涛[5]（2019）在《滚动轴承振动时间序列的融合混沌预测模型》一文中研究指出针对滚动轴承振动时间序列的延迟时间和嵌入维数因采用不同的方法计算会得出相异的结果问题,建立基于融合技术的改进加权一阶局域法预测模型。以互信息法求得的延迟时间和Cao法求得的嵌入维数组成参数对,然后构建参数对序列,由改进加权一阶局域法进行一步预测,最后由自助最大熵法融合出预测结果。实验结果表明:融合预测结果的精度明显优于改进加权一阶局域法,并且得到最优延迟时间和最优嵌入维数。(本文来源于《2019中国仿真技术应用大会暨创新设计北京峰会论文集》期刊2019-07-18）
黄飞江,陈演羽,李廷会,袁海波,单庆晓[6]（2019）在《基于灰色模型和混沌时间序列的卫星钟差预测算法》一文中研究指出为了提高非线性卫星钟差预测的精度,降低单一钟差预测模型对钟差预测的风险,提出了一种组合模型的卫星钟差预测算法.该算法首先采用db1小波对卫星钟差序列进行3层多分辨率分解和单支重构,得到一个趋势分量和叁个细节分量,然后运用灰色预测模型对重构后的趋势分量和混沌一阶加权局域预测法对重构后的细节分量分别进行预测,最后将各分量预测结果相加后得到总的钟差预测值.以GPS卫星钟差数据做算例分析,在6小时的钟差预测中,算法绝对误差最大值比单一的灰色预测模型误差小1.3ns以上.将该组合预测模型用于非线性卫星钟差预测中,可以提高钟差预测的精度和可靠性.(本文来源于《电子学报》期刊2019年07期）
蔡波[7]（2019）在《基于混沌时间序列预测的多源数据转换算法设计》一文中研究指出在对多源数据进行转换时传统方法未考虑多源数据的混沌特性,导致进行多源数据转换时选取的转换频率点缺乏针对性、与多源数据间的关联性低,出现了多源数据转换准确性低、效率低等问题,提出基于基于混沌时间序列预测的多源数据转换算法。连接原始时间序列和多维空间序列,重构多源数据相空间,设置合理的相空间嵌入维数以及混沌时间延迟,在该相空间中提取混沌时间序列的关联维特征,依据该特征预测混沌时间序列,根据预测结果选取数据转换的转换频率点,最终实现多源数据的准确转换。实验结果证明,使用所提方法进行多源数据转换,效率较高,所得到的转换数据准确率较高。(本文来源于《国外电子测量技术》期刊2019年06期）
孙妍[8]（2019）在《基于虚拟预测的月径流量时间序列非线性混沌预测》一文中研究指出根据非线性动力系统的基本理论实行径流量建模和预测,将预测精密度作为一种辨识器材用以分析径流量的动力性状。潮河流域戴营站月径流量时间序列的非线性混沌性状判别探究成效证明,该时间序列蕴含一定的混沌性状。根据径流量的混沌特性,结合虚拟现实预测的思想,利用加权一阶局域多步预测模型对径流量实行非线性混沌预测,结果表明,结合虚拟预测思想的预测方式在长期预测中存在着较高的精密度。(本文来源于《北京信息科技大学学报(自然科学版)》期刊2019年03期）
陈演羽[9]（2019）在《基于混沌时间序列的卫星钟差预测研究》一文中研究指出原子钟作为全球导航卫星系统(global navigation satellite system,GNSS)的有效载荷核心之一,其时频产品是系统进行定位、导航、授时(positioning navigation and timing,PNT)的基础。卫星钟差是地面运控系统测量的星载原子钟钟面数值与导航系统的系统时之间的差值,对卫星钟差进行建模与预测研究,为提高导航电文播报参数质量和可靠性、卫星自主导航需要的钟差先验信息、提高实时精密单点定位(real-time precise point position,RT-PPP)等具有重要意义和价值。本文通过下载国际GNSS服务组织(International GNSS Service,IGS)的精密钟差文件,提取采样间隔为15秒的GPS卫星钟差序列,将混沌时间序列理论应用到非线性钟差数据的预报研究中,并将预报结果与IGS精密钟差序列进行比对,得到一些有意义的结论。论文具体研究工作如下:1.研究将混沌时间序列零阶加权局域预测法和一阶加权局域预测法应用于非线性钟差进行建模和预测中,对预测的结果进行量化分析,得到在短期预测中,预测值和IGS精密值的绝对偏差在1ns以内,绝对偏差平均值在0.3ns以内。2.根据非线性卫星钟差的特征,将钟差序列应用小波进行叁层多分辨率分解和单支重构,依据重构后的趋势分量和细节分量变化特性,采用灰色预测模型对趋势分量进行建模和预测,混沌时间序列一阶加权局域预测法对细节分量进行建模和预测,将两者预测结果相加后得到最终的钟差预测值。预测结果表明:此组合模型对钟差的预测精度比单一的灰色模型更高。3.通过分别求取混沌时间序列零阶加权局域法与BP神经网络模型的非线性卫星钟差序列的有效度权系数来组合对钟差进行预测。预测结果通过和IGS精密钟差值比对以及单一的零阶加权局域法和BP神经网络模型预测结果比较,得出此组合模型对钟差的预测有更好的稳定性与降低单一模型预测的风险能力。(本文来源于《广西师范大学》期刊2019-06-01）
董子晗[10]（2019）在《基于混沌时间序列的地区电网负荷预测》一文中研究指出通过采用改进的C-C方法计算得出电网日负荷的最优时延和最佳嵌入维数,从而进行相空间重构,并通过计算最大Lyapunov指数,指出该时间序列的混沌特性。然后采用基于奇异值分解的Volterra方法对某地区电网负荷进行预测。预测结果显示,该方法的预测效果较好,具有较高的预测精度,并能够反映电网未来负荷的变化趋势。(本文来源于《电网与清洁能源》期刊2019年05期）
混沌时间序列论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对风能发电及天气预报等领域中一直是难点和重点的风速时间序列预测问题,首先分别通过相图法和最大Lyapunov指数法定性定量确定风速时间序列具有混沌特征;在此基础上,针对风速时间序列混沌特征结合相空间重构理论进行预测,根据C-C算法确定嵌入维数及延迟时间,将混沌理论应用于Volterra自适应模型,建立新的风速预测模型;以Lorenz方程为例验证该预测模型的准确性,并通过预测风速对比实测风速,进行误差分析。结果表明:风速时间序列具有明显的混沌特征;风速时间序列的混沌特征表明其长期预测是不现实的,但其确定性结构表明其具有短期可预测性;以预测Lorenz方程数值解的方式验证了Volterra自适应预测模型的准确性,其预测误差控制在10~(-4)以内;Volterra自适应预测模型可以对实测风速时间序列进行准确的预测,预测误差控制在0.1 m/s内。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混沌时间序列论文参考文献
[1].熊有成,赵鸿.长短期记忆网络预测混沌时间序列[J].中国科学:物理学力学天文学.2019
[2].罗帅,丁勤卫,李春,黄致谦.风速时间序列混沌特征分析及非线性短期预测[J].能源工程.2019
[3].陈佳,郑恩让,贺永宁.基于最小二乘支持向量机对称性的混沌时间序列预测[J].现代电子技术.2019
[4].李金策,李宏光,王永健.一种新型的HCRJ网络及其在多元混沌时间序列预测的应用[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[5].程立,夏新涛.滚动轴承振动时间序列的融合混沌预测模型[C].2019中国仿真技术应用大会暨创新设计北京峰会论文集.2019
[6].黄飞江,陈演羽,李廷会,袁海波,单庆晓.基于灰色模型和混沌时间序列的卫星钟差预测算法[J].电子学报.2019
[7].蔡波.基于混沌时间序列预测的多源数据转换算法设计[J].国外电子测量技术.2019
[8].孙妍.基于虚拟预测的月径流量时间序列非线性混沌预测[J].北京信息科技大学学报(自然科学版).2019
[9].陈演羽.基于混沌时间序列的卫星钟差预测研究[D].广西师范大学.2019
[10].董子晗.基于混沌时间序列的地区电网负荷预测[J].电网与清洁能源.2019
论文知识图
