柳江径流混沌时间序列的平均周期分析

以柳江历年年径流总量时间序列、近十年日最高水位时间序列及Henon系统产生的混沌序列为原始数据,计算这三个混沌序列的八个平均周期.研究发现对于柳江径流数据与Henon系统数据,八种平均周期数据性质变化一致;而针对柳江径流数据的物理意义,对计算结果综合理论分析,则以功率加权计算得到的平均周期,在径流的混沌特性分析过程中更具有实际意义.     

混沌数字水印信号研究

探讨了使用M序列作为数字信号方法的优缺点,分析了混沌映射和混沌水印序列的统计特性,在此基础上,对混沌序列数字水印信号与M序列数字水印的性能进行了分析比较,指出混沌序列是最适合作为数字水印信号的序列.     

多变量混沌时间序列局部多项式预测方法及应用

为了改善混沌时间序列的预测精度,提出了一种新的多变量混沌时间序列的局部多项式预测方法.它首先利用多变量时间序列的相空间重构理论重构相空间,并据此利用多项式函数构造预测模型,该模型根据嵌入维数构造数据矩阵,进行模型的参数估计和计算一步预测值,最后根据平均根统计量推断预测效果.Lorenz系统的模拟仿真和上海综合股价指数的局部预测结果表明:用多变量混沌时间序列局部多项式预测法进行预测的误差小,且比单变量混沌时间序列局部多项式预测法的预测精度高.     

混沌时间序列单变量和多变量重构的预测比较

提出了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数的选取方法，给出了多变量混沌时间序列的局部平均预测法，局部线性预测法和BP神经网络预测法等3种非线性预测方法．通过Lorenz系统的仿真计算表明，无论用3种非线性预测方法中的哪一种，多变量混沌时间序列要比单变量混沌时间序列的预测误差小得多，即使前的数据长度只有后的一半，前的预测误差也要小很多．另外从预测误差最小的角度验证了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数选取方法的有效性．     

免疫遗传优化支持向量机回归在混沌时间序列预测上的应用

在分析支持向量机(Support Vector Machines,SVM)回归算法的基础上,提出了一种免疫遗传优化向量机回归算法来预测混沌时间序列.算法根据混沌时间序列样本的特点利用免疫遗传算法对支持向量机回归方法参数进行优化.免疫遗传算法有效地克服了未成熟收敛现象,获得相关参数最优值.对混沌时间序列预测的实际算例表明,与支持向量机方法相比,本文所提的免疫遗传优化支持向量机回归方法具有更高的预测精度.     

利用混沌吸引子的不稳定周期轨道的保密通信

混沌系统的特性可用其混沌吸引子在相空间中的轨迹来表征。大量的研究表明、一个混沌吸引子是由无穷多个不稳定的周期轨道所组成的。通过对不稳定周期轨道的幅度或相位进行调制，则可实现对信息的保密传输。据此，在一个混沌时间序列的每一个不稳定周期轨道中、通过调制不同的信息流，就可以用单一的混沌时间序列来传输多路信息。     

过取样混沌二进制序列的安全性研究

有限精度问题降低了混沌映射序列的统计特性 ,使得那些 tent映射存在拓扑共轭关系的映射产生的序列可通过短序列预测的方法精确重建 .讨论了混沌映射间的拓扑共轭变换及性质 ,详尽分析了混沌序列的重建过程及过取样混沌映射 (OSCM)二进制序列的安全性 .结果表明 OSCM二进制序列能抵抗短序列预测攻击 ,即它们不可能被重建 ,而且所有针对基于同步的混沌系统的攻击策略在此均无效 ,说明序列是安全的     

流程工业中基于混沌时间序列的成本预测研究

针对流程工业中连续性生产过程的时间序列特点,采用基于混沌时间序列的Lyapunov指数计算和预测方法对成本进行了预测研究。     

基于Volterra级数的RLS自适应算法的混沌时间序列预测

根据混沌序列产生的确定性和非线性机制,基于Volterra级数和RLS算法,提出了一种少参数二阶非线性滤波算法用于混沌时间序列的自适应预测。仿真结果表明,这种非线性自适应滤波器能有效地预测一些超混沌序列,而且该滤波器的一步均方误差性能明显高于其他基于Volterra级数的NLMS算法,表明该算法具有良好的收敛性能。     

基于空域相关的RBF神经网络混沌时间序列预测研究

与现有预测方法比较,神经网络在混沌时间序列预测中具有优势。利用RBF神经网络对混沌Lorenz时间序列的预测进行仿真研究,仿真结果表明：在单步直接预测、单步间接预测、多步直接预测和多步间接预测中,多步间接预测是其中最有效的方式。     

混沌神经元时间序列研究及其在图像加密上的应用

通过不衰减自反馈项从而保持暂态混沌神经元的混沌搜索机制,产生了一类新的混沌动力系统。     

地震动混沌特性判别及影响因素分析

采用主成分分析法与混沌时间序列分析方法对地震动的非线性特性进行分析,分别从定性与定量的角度考察地震动的非线性特性;探讨了地震动的要素对其混沌特性的影响。结果表明:地震动最大幅值的变化对混沌特性没有影响,而持时、频谱特性、采样频率等要素对混沌的定量指标均产生了影响。     

用于心率变异信号分析的动力噪声干扰混沌系统建模(英文)

心脏动力系统可能是其内在动力学和外部环境影响的混合体，因此从心率变异信号中确定混沌现象非常困难．本文提出一种优化方法，获得一组由某种动力系统产生的时间序列，并使该序列与原始信号尽可能接近．对动力噪声干扰混沌模型进行了检验后，应用于心率变异信号分析时发现了正的最大Ｌｙａｐｕｎｏｖ 指数     

基于 ESN 神经网络的网络安全态势感知预测

针对现有网络安全技术不能准确地对网络未来安全态势进行预测的问题,提出一种基于回声状态网络(ESN)进行态势预测的方法。对数据量庞大的安全态势值,利用回声状态网络可有效处理非线性系统辨识以及混沌时间序列预测问题。实验表明,由于训练简单,可根据不同网络环境自动优化网络参数,且算法本身在混沌时间序列预测方面的先天优势,使得 ESN 算法比传统神经网络方法在网络态势预测准确率方面有明显改善。     

混沌投资时间序列的分形维数谱

不同文献对沪指和深指的分形维数的计算结果相差甚大，究其原因，除计算方法，计算误差外，更深层次的原因是混沌投资时间序列分形维数谱的存在，本文对混沌投资时间序列分形维数的信息谱，奇异谱，动熵谱等问题进行探索，并简介其应用。     

城市交通流量的非线性混沌预测模型研究

为了解决日益严重的城市交通问题，本根据交通流已被证明的混沌特性，尝试采用非线性混沌模型来分析交通流时间序列．该模型首先将交通流时间序列在相空间中重构，以充分提取交通流中的相关信息，在此基础上，应用混沌理论对重构信息构材预测方程，并运用遗传算法对模型参数进行了优化辨识，以获得最佳的预测效果．实际的城市交通流量预测研究表明，该模型具有较高的预测精度，可以为城市交通规划和控制提供准确的参考．     

Genetic programming-based chaotic time series modeling

This paper proposes a Genetic Programming-Based Modeling(GPM)algorithm on chaotic time series. GP is used here to search for appropriate model structures in function space,and the Particle Swarm Optimization(PSO)algorithm is used for Nonlinear Parameter Estimation(NPE)of dynamic model structures. In addition,GPM integrates the results of Nonlinear Time Series Analysis(NTSA)to adjust the parameters and takes them as the criteria of established models.Experiments showed the effectiveness of such improvements on chaotic time series modeling.