多輸入復(fù)雜系統(tǒng)相空間重構(gòu)及其應(yīng)用研究
發(fā)布時間:2021-04-01 06:25
通過分析復(fù)雜系統(tǒng)各變量時間序列,重構(gòu)一個能清晰展示系統(tǒng)變量演化軌跡的相空間,進而確定輸入向量的組成,包括變量組成及各變量的延遲狀態(tài)組成,最終建立系統(tǒng)演化模型或預(yù)測模型。這種重構(gòu)是揭示復(fù)雜系統(tǒng)動力學(xué)規(guī)律的基礎(chǔ)。本文探討復(fù)雜系統(tǒng)多變量時間序列相空間重構(gòu)及其應(yīng)用問題,主要包括:1)參與重構(gòu)的多輸入變量選擇。充分考慮系統(tǒng)的非線性,引入非線性相關(guān)度來衡量各個變量與輸出變量之間的相關(guān)性,確定輸入變量組合;進而采用C-C方法對所選輸入變量進行初始相空間重構(gòu),確定每個變量的嵌入維數(shù)和嵌入延遲,構(gòu)建一個由多個變量不同延遲時間的狀態(tài)點組成的輸入向量空間。仿真結(jié)果表明,把對輸出相關(guān)度大的變量進行組合用于重構(gòu),所獲得的相空間包含的信息更有利于對感興趣的變量進行預(yù)測,為多輸入變量相空間重構(gòu)提供新的思路。2)高維輸入相空間的降維問題。在(1)的基礎(chǔ)上,針對所建初始輸入向量存在高維、冗余信息等問題,引入獨立成分分析(ICA)方法對初始相空間做降維處理。把所有變量在時刻t的延遲重構(gòu)向量作為ICA模型輸入,提取初始輸入向量中的獨立元信息,從而在降低輸入維數(shù)的同時,可以保證輸入中包含有效的預(yù)測信息,為系統(tǒng)建模與分析降低難...
【文章來源】:沈陽航空航天大學(xué)遼寧省
【文章頁數(shù)】:69 頁
【學(xué)位級別】:碩士
【部分圖文】:
Lorentz方程x、y、z各變量的重構(gòu)相空間的三維顯示
24是多數(shù)非線性方法的基礎(chǔ)。對于包含很多個變量的系構(gòu)的變量進行選擇。確定了重構(gòu)變量,我們需要確定章首先介紹基于非線性相關(guān)度的選擇選擇輸入變量的確定重構(gòu)參數(shù)的方法,如互信息法、自相關(guān)法平均位定重構(gòu)參數(shù)的 C-C 方法。最后按本章的方法對 Loren預(yù)測仿真及多變量相空間重構(gòu)相圖比較,證實了基于正確性及 C-C 方法確定重構(gòu)參數(shù)的有效性。圖 2.6 XY、XZ 組合分別對 X 變量的組合預(yù)測
Step 8.令 i ← i+1。如果 i ≤ m, 轉(zhuǎn)向step 5;否則,結(jié)束訓(xùn)練。.3 基于 FastICA 的多輸入重構(gòu)相空間的降維前面介紹了 ICA 的相關(guān)知識,接下來我們來描述一下如何把它應(yīng)相空間的降維[53-55]。應(yīng)用得具體過程可描述如下:(1)利用式 (2.27) 對多變量相空間的輸入變量進行選擇,選合作為多變量相空間重構(gòu)時的輸入變量。(2)按 C-C 方法進行多變量相空間重構(gòu)的參數(shù)確定,將它們帶公式,得到初始重構(gòu)多變量相空間,將其作為 ICA 模型 S=Ax 的輸?shù)?x。(3)選擇參與重構(gòu)的每一個變量在時刻 t 的重構(gòu)數(shù)據(jù)作為一astICA 模型進行降維。降維的具體過程如圖 3.1 所示。
【參考文獻】:
期刊論文
[1]多個動態(tài)序列之間非線性相關(guān)性度量方法[J]. 樊重俊. 系統(tǒng)工程學(xué)報. 2010(04)
[2]相空間重構(gòu)參數(shù)選擇方法的研究[J]. 謝忠玉,張立. 中國科技信息. 2009(16)
[3]多變量時間序列的重構(gòu)與預(yù)測方法[J]. 陳濤. 統(tǒng)計與決策. 2009(14)
[4]MISEP盲分離算法在振動信號分析中的應(yīng)用[J]. 馬艷玲,馬建倉,劉琦. 機械與電子. 2009(06)
[5]應(yīng)用獨立分量分析的胎兒心電信號提取[J]. 蔡坤寶,冀志華. 重慶大學(xué)學(xué)報. 2009(03)
[6]匯率時間序列非線性特征分析及實證研究[J]. 謝赤,楊妮,孫柏. 系統(tǒng)工程. 2008(10)
[7]基于多變量相空間重構(gòu)的地下水動態(tài)神經(jīng)網(wǎng)絡(luò)預(yù)測模型[J]. 劉衛(wèi)林,董增川,陳南祥,董貴明. 河海大學(xué)學(xué)報(自然科學(xué)版). 2008(01)
[8]主成分分析與神經(jīng)網(wǎng)絡(luò)的結(jié)合在多變量序列預(yù)測中的應(yīng)用[J]. 席劍輝,韓敏. 控制理論與應(yīng)用. 2007(05)
[9]復(fù)雜性度量方法的改進及其在證券市場的應(yīng)用[J]. 王福來,達慶利. 系統(tǒng)工程學(xué)報. 2007(05)
[10]基于改進的C-C方法的相空間重構(gòu)參數(shù)選擇[J]. 陸振波,蔡志明,姜可宇. 系統(tǒng)仿真學(xué)報. 2007(11)
博士論文
[1]非線性動力系統(tǒng)時間序列分析方法及其應(yīng)用研究[D]. 孟慶芳.山東大學(xué) 2008
碩士論文
[1]獨立分量分析及其在科學(xué)數(shù)據(jù)挖掘中的應(yīng)用[D]. 賀錦敖.電子科技大學(xué) 2007
本文編號:3112840
【文章來源】:沈陽航空航天大學(xué)遼寧省
【文章頁數(shù)】:69 頁
【學(xué)位級別】:碩士
【部分圖文】:
Lorentz方程x、y、z各變量的重構(gòu)相空間的三維顯示
24是多數(shù)非線性方法的基礎(chǔ)。對于包含很多個變量的系構(gòu)的變量進行選擇。確定了重構(gòu)變量,我們需要確定章首先介紹基于非線性相關(guān)度的選擇選擇輸入變量的確定重構(gòu)參數(shù)的方法,如互信息法、自相關(guān)法平均位定重構(gòu)參數(shù)的 C-C 方法。最后按本章的方法對 Loren預(yù)測仿真及多變量相空間重構(gòu)相圖比較,證實了基于正確性及 C-C 方法確定重構(gòu)參數(shù)的有效性。圖 2.6 XY、XZ 組合分別對 X 變量的組合預(yù)測
Step 8.令 i ← i+1。如果 i ≤ m, 轉(zhuǎn)向step 5;否則,結(jié)束訓(xùn)練。.3 基于 FastICA 的多輸入重構(gòu)相空間的降維前面介紹了 ICA 的相關(guān)知識,接下來我們來描述一下如何把它應(yīng)相空間的降維[53-55]。應(yīng)用得具體過程可描述如下:(1)利用式 (2.27) 對多變量相空間的輸入變量進行選擇,選合作為多變量相空間重構(gòu)時的輸入變量。(2)按 C-C 方法進行多變量相空間重構(gòu)的參數(shù)確定,將它們帶公式,得到初始重構(gòu)多變量相空間,將其作為 ICA 模型 S=Ax 的輸?shù)?x。(3)選擇參與重構(gòu)的每一個變量在時刻 t 的重構(gòu)數(shù)據(jù)作為一astICA 模型進行降維。降維的具體過程如圖 3.1 所示。
【參考文獻】:
期刊論文
[1]多個動態(tài)序列之間非線性相關(guān)性度量方法[J]. 樊重俊. 系統(tǒng)工程學(xué)報. 2010(04)
[2]相空間重構(gòu)參數(shù)選擇方法的研究[J]. 謝忠玉,張立. 中國科技信息. 2009(16)
[3]多變量時間序列的重構(gòu)與預(yù)測方法[J]. 陳濤. 統(tǒng)計與決策. 2009(14)
[4]MISEP盲分離算法在振動信號分析中的應(yīng)用[J]. 馬艷玲,馬建倉,劉琦. 機械與電子. 2009(06)
[5]應(yīng)用獨立分量分析的胎兒心電信號提取[J]. 蔡坤寶,冀志華. 重慶大學(xué)學(xué)報. 2009(03)
[6]匯率時間序列非線性特征分析及實證研究[J]. 謝赤,楊妮,孫柏. 系統(tǒng)工程. 2008(10)
[7]基于多變量相空間重構(gòu)的地下水動態(tài)神經(jīng)網(wǎng)絡(luò)預(yù)測模型[J]. 劉衛(wèi)林,董增川,陳南祥,董貴明. 河海大學(xué)學(xué)報(自然科學(xué)版). 2008(01)
[8]主成分分析與神經(jīng)網(wǎng)絡(luò)的結(jié)合在多變量序列預(yù)測中的應(yīng)用[J]. 席劍輝,韓敏. 控制理論與應(yīng)用. 2007(05)
[9]復(fù)雜性度量方法的改進及其在證券市場的應(yīng)用[J]. 王福來,達慶利. 系統(tǒng)工程學(xué)報. 2007(05)
[10]基于改進的C-C方法的相空間重構(gòu)參數(shù)選擇[J]. 陸振波,蔡志明,姜可宇. 系統(tǒng)仿真學(xué)報. 2007(11)
博士論文
[1]非線性動力系統(tǒng)時間序列分析方法及其應(yīng)用研究[D]. 孟慶芳.山東大學(xué) 2008
碩士論文
[1]獨立分量分析及其在科學(xué)數(shù)據(jù)挖掘中的應(yīng)用[D]. 賀錦敖.電子科技大學(xué) 2007
本文編號:3112840
本文鏈接:http://sikaile.net/projectlw/xtxlw/3112840.html
最近更新
教材專著