基于自回归模型的混沌时间序列预测与应用

发布时间：2017-09-30 03:20

  本文关键词：基于自回归模型的混沌时间序列预测与应用

  更多相关文章： 混沌时间序列 非线性预测 相空间重构 弱信号 卡尔曼滤波

【摘要】：在许多场合下都有混沌现象的存在。混沌现象看起来像无序的、混乱的,但却又有自相似的分形结构。混沌系统的离散采样形成的混沌时间序列具有初值敏感性,使用一般时间序列预测方法对混沌时间序列进行预测效果很差,但其自相似结构却使得预测成为可能。局域线性模型被用来进行混沌时间序列的预测已经有三十多年的历史了,因为其结构简洁,实施方便,而被广泛的使用与研究。但局域线性方法无法有效拟合混沌时间序列的非线性特性。本文依据混沌时序的局部特性和非线性特性,在局域线性模型的基础上提出基于多项式系数自回归模型和函数系数自回归模型的局域非线性混沌时间序列预测方法。相比于局域线性模型,局域非线性模型能够更加有效地逼近混沌时间序列的非线性特性。基于三种典型混沌时间序列(Logistic映射、Henon映射和Lorenz系统)的仿真结果表明,局域非线性模型的多步预测性能及预测稳定性均好于局域线性模型,且在样本数据较少的情况下也有较高的预测精度。检测淹没在混沌背景信号中的微弱信号,是一件十分困难的事情,但却具有十分重要的研究意义与应用价值,特别是微弱正弦信号的检测与恢复对信号处理在理论与实践上有重要的意义。通过研究各类针对强背景噪声中正弦信号的检测方法,结合局域线性自回归模型具有局部线性的特性,我们提出了一种局域线性-周期图检测-卡尔曼滤波(Local Linear-Periodogram-Kalman filtering,LL-P-KF)混合算法。该方法把混沌背景中的正弦信号恢复问题转变为模型误差中的正弦信号恢复问题。首先,对含弱正弦信号的混沌信号进行相空间重构,利用局域线性法建立混沌信号的一步预测模型,进而得到模型误差;然后,对模型误差利用周期图进行潜在周期的检测,提取潜在周期;最后,将模型误差当作量测量,并依据正弦信号和局域线性预测的特性分别构建状态方程和量测方程,应用卡尔曼滤波从误差中恢复正弦信号。该混合算法不需要知道混沌系统动力学方程和正弦信号的先验知识,是一种简单的、易于理解和应用的检测与恢复算法。仿真实验表明该混合算法具有较好的恢复效果。
【关键词】：混沌时间序列 非线性预测 相空间重构 弱信号 卡尔曼滤波
【学位授予单位】：重庆理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O415.5;O211.61
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-14
• 1.1 研究背景8-9
• 1.2 国内外研究现状9-10
• 1.3 课题来源及问题的提出10-11
• 1.4 研究思路和结构安排11
• 1.5 主要创新点11-14
• 2 预备知识14-22
• 2.1 混沌的概念与性质14-15
• 2.1.1 混沌的定义14
• 2.1.2 混沌运动的主要特点14-15
• 2.1.3 混沌时间序列的识别15
• 2.2 相空间重构15-17
• 2.2.1 相空间重构和Takens嵌入定理15
• 2.2.2 嵌入维数和延迟时间的确定15-17
• 2.3 自回归模型17-19
• 2.3.1 自回归模型研究现状17
• 2.3.2 多项式系数自回归模型(PCAR)17-18
• 2.3.3 函数系数自回归模型(FAR)18-19
• 2.4 噪声中信号检测的周期图法原理19-20
• 2.5 卡尔曼滤波算法20-22
• 3 局域多项式系数自回归预测模型22-36
• 3.1 基于相空间重构的LLP模型与其扩展模型KLLP模型22-25
• 3.1.1 LLP模型的参数估计23-24
• 3.1.2 KLLP模型的参数估计24
• 3.1.3 LLP模型和KLLP模型的算法流程24-25
• 3.2 仿真实验25-32
• 3.2.1 Lorenz系统26-28
• 3.2.2 Mackey-Glass系统28-30
• 3.2.3 Henon映射30-32
• 3.3 实证分析—基于太阳黑子时间序列32-34
• 3.4 结论34-36
• 4 局域函数系数自回归预测模型36-44
• 4.1 基于相空间重构的LFP模型36-37
• 4.1.1 LFP模型的参数估计36-37
• 4.1.2 LFP模型的算法流程37
• 4.2 仿真实验37-44
• 4.2.1 Lorenz系统38-40
• 4.2.2 Mackey-Glass系统40-44
• 5 基于局域线性自回归预测模型与卡尔曼滤波的微弱信号检测与恢复44-60
• 5.1 基于相空间重构和局域线性法的叠加信号一步预测44-45
• 5.1.1 叠加信号的相空间重构44-45
• 5.1.2 局域线性一步预测45
• 5.2 基于卡尔曼滤波的正弦信号恢复方法45-51
• 5.2.1 状态方程和量测方程的构建与卡尔曼滤波46-48
• 5.2.2 正弦信号的检测48-50
• 5.2.3 混合算法流程图50-51
• 5.2.4 混合算法的性能分析及评价准则51
• 5.3 仿真实验结果及分析51-60
• 6 结束语60-62
• 参考文献62-66
• 致谢66-68
• 个人简历、在学期间发表的学术论文及取得的研究成果68

【参考文献】

中国期刊全文数据库 前6条

1 雷绍兰;孙才新;周nv;周林;方重秋;;基于改进加权一阶局域预测模型的短期负荷预测方法研究[J];电测与仪表;2006年05期

2 杨正瓴,张广涛,林孔元;时间序列法短期负荷预测准确度上限估计[J];电力系统及其自动化学报;2004年02期

3 杨正瓴;田勇;张广涛;林孔元;;相似日短期负荷预测的非线性理论基础与改进[J];电网技术;2006年06期

4 简相超,郑君里;一种正交多项式混沌全局建模方法[J];电子学报;2002年01期

5 陈争;曾以成;付志坚;;混沌背景中信号参数估计的新方法[J];物理学报;2008年01期

6 行鸿彦;张强;徐伟;;混沌海杂波背景下的微弱信号检测混合算法[J];物理学报;2015年04期

，

本文编号：945841