留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于非线性混沌时序动力系统的预测方法研究

马军海 陈予恕 辛宝贵

马军海, 陈予恕, 辛宝贵. 基于非线性混沌时序动力系统的预测方法研究[J]. 应用数学和力学, 2004, 25(6): 551-557.
引用本文: 马军海, 陈予恕, 辛宝贵. 基于非线性混沌时序动力系统的预测方法研究[J]. 应用数学和力学, 2004, 25(6): 551-557.
MA Jun-hai, CHEN Yu-shu, XIN Bao-gui. Study on Prediction Methods for Dynamic Systems of Nonlinear Chaotic Time Series[J]. Applied Mathematics and Mechanics, 2004, 25(6): 551-557.
Citation: MA Jun-hai, CHEN Yu-shu, XIN Bao-gui. Study on Prediction Methods for Dynamic Systems of Nonlinear Chaotic Time Series[J]. Applied Mathematics and Mechanics, 2004, 25(6): 551-557.

基于非线性混沌时序动力系统的预测方法研究

基金项目: 国家自然科学基金资助项目(70271071,9990510)
详细信息
    作者简介:

    马军海(1965- ),男,山东青岛人,教授,博士,博士生导师,已在国内外核心期刊发表论文30余篇,主要研究方向:复杂非线性动力系统、复杂混沌时序重构及其工程应用(联系人.Tel:+86-22-81593670;E-mail:lzqsly@126.com);陈予恕(1931- ),男,山东肥城人,教授、博士生指导教师,俄罗斯应用科学院外籍院士.

  • 中图分类号: O175.14;O241.81

Study on Prediction Methods for Dynamic Systems of Nonlinear Chaotic Time Series

  • 摘要: 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.
  • [1] LIANG Yue-cao,HOGN Yi-guang,FANG Hai-ping,et al.Predicting chaotic time series with wavelet networks[J].Phys D,1995,85(8):225—238. doi: 10.1016/0167-2789(95)00119-O
    [2] ZHANG Qing-hua. Wavelet Networks[J].IEE Transactions on Neural Networks,1992,11(6):889—898.
    [3] Castillo E,Gutierrez J M. Nonlinear time series modeling and prediction using functional networks extracting information masked by chaos[J].Phys Lett A,1998,244(5):71—84. doi: 10.1016/S0375-9601(98)00312-0
    [4] Judd Kevin,Alistair Mess. Embedding as a modeling problem[J].Phys D,1998,120(4):273—286. doi: 10.1016/S0167-2789(98)00089-X
    [5] Schroer Christian G,Sauer Tim,Ott Edward,et al.Predicting chaotic most of the time from embeddings with self-intersections[J].Phys Rev Lett,1998,80(7):1410—1412. doi: 10.1103/PhysRevLett.80.1410
    [6] Chon Ki H.Detection of chaotic determinism in time series from randomly forced maps[J].Phys D,1997,99(5):471—486. doi: 10.1016/S0167-2789(96)00159-5
    [7] Kitoh Satoshi,Kimura Mahito,Mori Takao,et al. A fundamental bias in calculating dimension from finite data sets[J].Phys D,2000,141(10):171—182. doi: 10.1016/S0167-2789(00)00050-6
    [8] 马军海,陈予恕,刘曾荣.动力系统实测数据的非线性混沌模型重构[J].应用数学和力学,1999,20(11):1128—1134.
    [9] 马军海,陈予恕.低维混沌时序非线性动力系统的预测方法及其应用研究[J].应用数学和力学,2001,22(5):441—448.
    [10] 马军海,陈予恕,刘曾荣.不同随机分布的相位随机化对实测数据影响的分析研究[J].应用数学和力学,1998,19(11):955—964.
    [11] 马军海,陈予恕,刘曾荣.动力系统实测数据的Lyapunov指数的矩阵算法[J].应用数学和力学,1999,20(9):919—927.
    [12] 马军海,陈予恕.混沌时序相空间重构的分析和应用研究[J].应用数学和力学,2000,21(11):1237—1245.
    [13] 马军海,陈予恕,刘曾荣. 动力系统实测数据的非线性混沌特性的判定[J]. 应用数学和力学1998,19(6):481—488.
  • 加载中
计量
  • 文章访问数:  2864
  • HTML全文浏览量:  135
  • PDF下载量:  645
  • 被引次数: 0
出版历程
  • 收稿日期:  2002-04-09
  • 修回日期:  2003-12-23
  • 刊出日期:  2004-06-15

目录

    /

    返回文章
    返回