基于相空间重构技术的EM聚类模糊神经网络预测模型及其应用

应用相空间重构技术对时间序列进行分割,将原序列映射到多维的数据空间中。将期望最大化(EM)聚类算法和神经网络相结合,提出了一种基于相空间重构技术的EM聚类模糊神经网络预测模型。在股票市场上进行了应用,结果表明该预测模型降低了预测误差,提高了系统的性能。     

混沌时间序列最大Lyapunov指数的计算

考虑到已有的计算最大Lyapunov指数的方法具有结果不准确或计算烦难的不足，我们提出了计算最大Lyapunov指数的新方法。此方法先在虚假领域概念基础上确定最佳嵌入参数，然后根据最大Lyapunov指数的定义计算其值，这样，使得此方法在理论上可靠，实施容易，克服了已有方法的不足。最后的应用实例对此进行了验证。     

相空间重构及其在经济预测中的应用

相空间重构及其在经济预测中的应用贺兴时，徐寅峰（西北纺织学院基础部）（西安交通大学管理学院）相空间重构技术是非线性动力学中发展起来的一种由一维时间序列对系统进行刻画及预测的较为有效的可操作方法。这一方法在研究经济系统中某些经济指标的固有特征以及对该指...     

交通流量VNNTF神经网络模型及其预测研究

研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理．设计了交通流量Voltem神经网络的学习算法快速学习算法：最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。     

面向决策树目标路径编码的相空间嵌入维优化

提出一种面向决策树目标路径编码的相空间嵌入维计算优化算法。构建云平台环境下的数据交互节点拓扑模型,通过部分链路失效多路径加密方法使得数据聚集具有很高的容错功能,然后采用决策树目标路径编码方案,在给定带宽约束和量化阈值的情况下,对决策树目标路径编码的相空间嵌入维数据进行自适应的量化分解,以实现对决策树目标路径编码的相空间嵌入维的准确估计,降低误码率。仿真结果表明,该算法能准确估计相空间嵌入维,提高估计精度,能有效降低误码率,提高数据动态交互通信的准确性,信号保真度较高。展示了其优越性和较好的应用价值。     

开都河日径流时间序列混沌分析与模拟

本文利用相空间重构技术和混沌理论讨论了开都河日径流的混沌性质。通过日径流时间序列的功率谱分析,从定性角度讨论了日径流时间序列的混沌特征。进一步根据互信息量法得到相空间重构的延时,再根据Cao方法得到相空间重构的嵌入维数。利用Matlab软件计算得到相空间重构的延时和最佳嵌入维数分别为τ=6,m=14。这样将一维的开都河日径流时间序列重构成14维的相空间。通过最小数据量法计算出开都河日径流时间序列最大Lyapunov指数。利用最大Lyapunov指数对开都河日径流时间序列进行定量混沌分析。最后通过二阶Volterra自适应一步模型进行模拟。结果表明：开都河日径流时间序列的功率谱是连续的,功率谱呈现随频率增高而以指数方式递减趋势,区别于具有离散尖峰谱特征的周期时间序列和具有连续的、频率和振幅不相关谱特征的随机时间序列。这从定性角度表明开都河日径流时间序列具有混沌特征。通过计算得到开都河日径流时间序列的最大Lyapunov指数0〈λmax=0.0097〈1,从定量角度表明开都河日径流时间序列具有较弱的混沌特征。利用二阶Volterra自适应一步模型模拟得到相关系数和相对均方根误差分别0.9376和0.2390。这说明利用Volterra自适应模型模拟效果较好。     

变压器油箱表面振动信号时间序列的混沌特性分析

针对变压器油箱表面振动信号的非平稳、非线性特性,采用动力学非线性时间序列分析的方法对振动信号进行分析研究。基于相空间重构理论对变压器振动信号时间序列进行状态空间重构,首先由C-C法计算出嵌入维数和延迟时间,并据此对系统的状态空间进行重构,然后采用G-P算法对吸引子关联维数进行了估计,并对重构相空间进行相图分析、最大Lyapunov指数分析。结果证明变压器表面振动信号的时间序列具有混沌特性,为变压器振动信号进一步的处理及应用提供了参考。     

供应链系统重构策略的选择研究

本文按照精干主业、提高效率、合理配置资源、协调运行的原则，分析了在电子商务环境下供应链系统重构目标和重构策略，并运用AHP方法进行重构策略选择，并给出了供应链系统重构的结构方案。     

基于混沌理论和小波变换的电力系统短期负荷预测方法

文章首先对目前电力系统负荷预报理论和方法进行了全面回顾和评述,重点介绍了混沌理论的发展及应用现状.结合混沌时间序列的分析方法,在对现在广泛应用于电力系统短期负荷预测的混沌方法研究的基础上,提出了将混沌预测技术与小波奇异性检测和消噪结合提高预测精度的方法.     

人民币汇率的混沌特征研究

以三种人民币汇率(人民币兑美元、人民币兑日元和人民币兑欧元)为研究对象,对这些时间序列进行平稳化处理,并利用Cao方法确定最小嵌入维数计算出最大Lyapunov指数进行了非线性检验,得出上述汇率所反映的动力学系统是一个高维的复杂经济系统,至少需要8个左右影响汇率的经济变量才能反映该经济系统的主要特征,并且上述汇率波动呈现出确定性混沌的结论。     

职业教育改革背景下的高职图书馆实体空间重构

[目的/意义]旨在为高职图书馆实体空间重构提供参考。[方法/过程]分析了国内外图书馆空间研究现状、发展趋势以及对高职院校图书馆的启示,结合目前高职图书馆的现状和面临的问题,提出以用户为中心重构和拓展高职图书馆空间资源。[结果/结论]提出"以用户为中心"高职图书馆空间重构观点,将更多的空间留给读者为主导思想,通过加快密集书库建设、专业主题空间建设、文化休闲空间建设等多方举措引导用户广泛参与图书馆的共建共享,将图书馆打造为用户的文化生活栖息地。     

基于G-P算法的沪市混沌性分析

以上证综合指数日收益率为对象,利用相空间重构技术和G-P算法计算该时间序列的分形维数,并深入分析了时间延迟和嵌入维数参数对关联维数的影响,得到了沪市时间序列混沌判定和预测分析的一个重要定量标准,为研究我国股票市场的发展规律提供了一定的理论依据。     

Predicting future dynamics from short-term time series using an Anticipated Learning Machine

Predicting time series has significant practical applications over different disciplines. Here, we propose an Anticipated Learning Machine (ALM) to achieve precise future-state predictions based on short-term but high-dimensional data. From non-linear dynamical systems theory, we show that ALM can transform recent correlation/spatial information of high-dimensional variables into future dynamical/temporal information of any target variable, thereby overcoming the small-sample problem and achieving multistep-ahead predictions. Since the training samples generated from high-dimensional data also include information of the unknown future values of the target variable, it is called anticipated learning. Extensive experiments on real-world data demonstrate significantly superior performances of ALM over all of the existing 12 methods. In contrast to traditional statistics-based machine learning, ALM is based on non-linear dynamics, thus opening a new way for dynamics-based machine learning.     

关于高校图书馆空间再造探讨

在互联网、云计算、大数据时代,传统图书馆越来越难以满足读者种种个性化的需求,图书馆空间资源的挖掘和再造成为图书馆创新服务、谋求突破的重要手段。该文从图书馆空间概念入手,对图书馆空间再造的意义、模式及实现途径进行了探讨。     

城中村棚户改造工程不定开销波动预测

城中村棚户区改造工程中,对改造工程中的不定开销波动方位进行准确预测,可以减少经济开支,提高建设效率。提出一种基于程控约束的城中村棚户改造工程不定开销波动预测算法。首先进行城中村棚户区改造工程中不定开销波动模型构建和参量设计,构建能拟合诸多不定因素影响因子的非线性动力系统,实现对城中村棚户区改造工程预算的不定开销控制模型构建。基于Lyapunov指数预测算法,把经济开销数据序列看作是一组非线性时间序列,进行波动预测,纳入具有程控约束性的影响因子群组,实现波动预测算法改进,降低预测标准方差。实验结果表明,该算法能有效预测和控制在改造工程中出现的不定开销的波动,波动幅度降低为0,从而节约工程预算,降低城建成本。     

信任重建：有机农业“追溯-信任”体系的区块链嵌入探索

依托区块链技术构建有机农业追溯-信任体系,有助于打破信息不对称、重建生产和消费者之间的信任关系,进而有效解决食品质量安全问题.我国有机产业长期存在严重的信息不对称问题,导致基于"追溯+认证"的有机食品质量安全保障机制难以有效发挥作用,国内有机市场向着"柠檬市场"发展,尤其是国产优质有机农产品面临本土假冒和进口双重挤压困境,区块链的出现为实现传统"追溯+认证"机制向更加高效的追溯-信任体系转变、摆脱有机农业发展困境提供技术支持.在实现区块链有效嵌入的过程中,尚存在技术、消费者认知和利益协调三大难点,推动和协调信息保护与开放、降低嵌入成本、强制上链和多维度开发区块链应用场景将有助于区块链在追溯-信任体系中尽快发挥作用.