火灾时间序列的动力学研究及其预测

发布时间：2021-10-26 01:50

　　发生火灾的原因与许多时变因素密不可分,如气候、人口密度以及经济发展水平等,观测得到的火灾时间序列正是这些动态因素综合作用的结果。某次火灾的发生具有随机性,但一个地区、一段时间内火灾的发生具有一定的规律性。本文以我国1950年到2008年火灾发生起数、死亡人数、受伤人数以及人均经济损失为研究对象,通过分析火灾时间序列的非线性动力学特性,恢复并刻画出火灾时间序列的原始动力系统,提出适用于小样本的火灾时间序列预测方法,建立具有高精度的预测模型。针对随机波动性大的火灾时间序列其分布必然存在某种随机性,且随机性主要反映在残差序列中,本文提出了一种基于支持向量回归和马尔科夫状态转移理论的火灾时间序列预测方法（MSVR）。此方法利用支持向量回归建立火灾时间序列的预测模型,并采用马尔科夫状态转移理论来减小前一步的预测误差。由于实际火灾时间序列具有非线性、非平稳特点,不适合直接用来作为支持向量预测模型的输入,为了减小时间序列的非平稳性对模型的影响,本文采用集合经验模式分解（EEMD）将非平稳的火灾时间序列分解为一系列不同尺度的固有模态分量。针对支持向量回归模型中需要人为设定嵌入维数的问题,提出了基于EE... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 引言
    1.1 研究背景及意义
    1.2 研究现状
    1.3 主要工作
    1.4 内容安排
第2章 火灾时间序列的动力学研究
    2.1 相空间重构理论
    2.2 嵌入维数的估计
        2.2.1 虚假近邻点法
        2.2.2 奇异值分析法
    2.3 时间延迟的估计
        2.3.1 自相关函数法
        2.3.2 互信息量法
    2.4 火灾时间序列相空间重构参数的估计
    2.5 本章小结
第3章 基于Markov修正的SVR火灾时间序列预测
    3.1 支持向量机回归模型
        3.1.1 线性回归
        3.1.2 非线性回归
    3.2 基于Markov-SVR时间序列预测模型的建立
        3.2.1 非线性回归预测模型的构建
        3.2.2 残差序列的马尔科夫状态转移修正
    3.3 算法仿真实验及性能分析
        3.3.1 计算机仿真
        3.3.2 四项火灾时间序列预测结果及其分析
        3.3.3 多种模型预测效果评估
    3.4 本章小结
第4章 基于EEMD和多变量相空间重构的火灾时间序列预测
    4.1 经验模式分解(EMD)
        4.1.1 基本概念
        4.1.2 经验模式分解算法
        4.1.3 集合经验模式分解(EEMD)
    4.2 预测模型
        4.2.1 时间序列的平稳化处理
        4.2.2 多变量时间序列的相空间重构
        4.2.3 IMF分量预测模型的构建
    4.3 算法仿真实验及性能分析
        4.3.1 计算机仿真
        4.3.2 四项火灾时间序列预测结果及其分析
        4.3.3 对比试验
    4.4 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
致谢
参考文献
攻读学位期间的研究成果


【参考文献】：
期刊论文
[1]基于相空间重构和独立分量分析的火灾预测[J]. 刘盛鹏,张烨.  自然灾害学报. 2011(03)
[2]火灾信息的时间序列分析[J]. 林峰,杨继仓,刁庆华.  消防科学与技术. 2006(06)
[3]火灾预测的模糊马尔柯夫模型[J]. 姜学鹏,徐志胜,冷彬.  灾害学. 2006(03)
[4]基于马尔可夫链的城市火灾预测[J]. 张学林,孙志友,汪金辉,陆守香.  火灾科学. 2006(03)
[5]我国火灾起数的灰色拓扑预测[J]. 姜学鹏,徐志胜.  中国公共安全(学术版). 2006(02)
[6]基于人工神经网络的城市火灾事故的预测方法[J]. 周长春,陈勇刚.  中国安全科学学报. 2005(05)
[7]基于灰色系统理论的城市火灾预测分析[J]. 郑双忠.  数学的实践与认识. 2005(01)
[8]灰色预测理论在火灾损失预测中的应用[J]. 徐志胜,白国强,冯凯.  湘潭矿业学院学报. 2004(01)
[9]多变量时间序列复杂系统的相空间重构[J]. 王海燕,盛昭瀚,张进.  东南大学学报(自然科学版). 2003(01)
[10]Prediction Method of Vessel Maintenance Outlay Based on the BP Neural Network[J]. Guo Bingbing 1, Li Fang 2 & Wang Wei 2 (1 School of Computer, Huazhong University of Science & Technology, Wuhan 430074, P. R. China; 2 Department of Management Engineering, Naval University of Engineering, Wuhan 430033, P. R. China).  Journal of Systems Engineering and Electronics. 2002(03)

博士论文
[1]基于非线性动力学的金融时间序列预测技术研究[D]. 卢山.东南大学 2006
[2]灰色系统与神经网络分析方法及其应用研究[D]. 姜波.华中科技大学 2004

硕士论文
[1]基于支持向量机的火灾预测系统研究[D]. 夏太武.电子科技大学 2009
[2]基于小波及人工神经网络的短期负荷预测研究[D]. 周巍.东南大学 2005



本文编号：3458588