自然风场时间序列的复杂性和模式分类研究

发布时间：2023-05-18 04:48

　　时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列,它是很多复杂系统工作或运行状态的主要外在表现形式,蕴含丰富的系统结构和动态演化规律等信息。很多风工程的应用,例如风能的预测、大型建筑的抗风设计与优化、空气污染物的传播与扩散等,都需要精准地掌握应用风场的流动及演化特性。但在很多实际应用场合记录自然风场变化的风速和风向时间序列呈现出复杂的非线性和非平稳特征,这给上述风工程应用带来了极大地困难和挑战。由于模型和理论的不完善,常规的物理学建模存在很大的局限性。为此,本文拟从数据驱动的角度深入地揭示复杂气态流场的流动规律,重点研究自然风场时间序列的复杂性和模式分类技术,为相关风工程的应用提供重要的理论和技术支撑。论文的主要工作如下:一、本文针对时间序列两类主流方法(时域法和频域法)存在的不足,提出了一种新型的二维可视状态图的时间序列量化分析方法。该方法首先将一维时间序列映射成二维可视状态图,并在此基础上定义了多个可视状态图量化分析指标,实现对复杂时间序列的量化分析。将本文方法应用于室内外两类不同环境的风场时间序列分析。测试结果表明,一般情况下室内风速时间序列的复杂性小于室外风...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题的研究背景及意义
    1.2 复杂流场研究现状
    1.3 非线性时间序列研究现状
        1.3.1 递归图
        1.3.2 分形理论
        1.3.3 复杂性测算
        1.3.4 复杂网络
    1.4 基于深度学习的图像分析研究现状
        1.4.1 深度学习思想及其发展
        1.4.2 深度学习常用模型
    1.5 本论文的研究内容及结构安排
第2章 基于二维可视状态图的时间序列分析方法
    2.1 传统时间序列递归图及递归定量分析方法
    2.2 基于二维可视状态图的时间序列分析方法
        2.2.1 时间序列二维可视状态图生成
        2.2.2 基于二维可视状态图的时间序列定量分析
    2.3 典型时间序列信号的对比分析
    2.4 自然风场时间序列信号的对比分析
        2.4.1 实验数据获取
        2.4.2 实验数据对比分析
    2.5 本章小结
第3章 基于时间序列符号化结合滑窗技术的复杂性测算
    3.1 经典时间序列复杂性测算方法
    3.2 新型时间序列复杂性测算方法
    3.3 经典混沌信号的复杂性分析实验
        3.3.1 Logistic映射系统
        3.3.2 不同复杂性测算方法性能测算
    3.4 自然风场信号的复杂性分析实验
        3.4.1 室内外风场时间序列复杂性分析
        3.4.2 室外局部区域风场信号的复杂性分析
    3.5 本章小结
第4章 基于深度学习的近地面风场波动模式分类研究
    4.1 传统时间序列分类分析方法
        4.1.1 密度峰值快速搜索聚类
        4.1.2 C均值模糊聚类
    4.2 基于卷积神经网络的模式分类方法
        4.2.1 数据预处理
        4.2.2 计算卷积层
        4.2.3 激励函数
        4.2.4 池化层
        4.2.5 全连接层
    4.3 实验结果与对比分析
        4.3.1 室内外风速信号密度峰值快速搜索聚类分析
        4.3.2 室内外风速信号C均值模糊聚类分析
        4.3.3 室内外卷积神经网络分类分析
    4.4 本章小结
第5章 总结与展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3818706