非线性时间序列

摘要： 由于对网页数据的爬取存在一定的完整性问题,导致爬取质量和效率较低,为此提出基于Python爬虫技术的网页数据抓取方法。首先,以网页数据的非线性时间序列关键点为节点,构建Python爬虫网络相空间格局;其次,利用Python爬虫技术在划分的网络相空间格局内抓取目标数据;最后,Python爬虫以爬取目标为数据特性,以空间划分结果为基础,对库中的页面进行个性化标记,抽取页面包含的所有统一资源定位系统(Uniform Resource Locator,URL)信息,将其与已抓取队列信息进行比较,确定爬取结果的完整性。测试结果表明,设计方法可以适应不同网络环境,实现对网页数据的快速、有效抓取。

摘要： 针对现实中广泛存在的非线性时间序列数据,提出了一种适用于具有一般相依结构的时间序列聚类的新方法.该方法基于中心Copula函数可以有效度量随机变量之间独立性的特性,采用中心Copula过程捕获时间序列的动态相依结构,采用Cramér-von Mises统计量构造了一种新的时间序列聚类的相似性度量,并给出了该度量的一致性非参数估计及其便于计算的等价形式.实验结果表明,基于新的相似性度量的层次聚类算法不仅适用于非线性时间序列数据,对具有线性相依结构的时间序列数据和实际数据也有较高的聚类质量.

摘要： 针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,FM-CMNN),用于解决非线性动态系统的时间序列预测问题.首先,FM-CMNN在保留原始CMNN输入变量的地址映射方式的情况下,在CMNN存储空间中引入铃型模糊隶属度函数,从而保证在不需增加量化级数的情况下提高网络的泛化能力.然后,使用梯度下降算法对网络权值进行更新,提高网络的逼近强度.最后,通过非线性时间序列预测基准实验和污水处理中水质参数预测实验,验证了FM-CMNN性能的可靠性.

摘要： 为解决复杂系统中非线性时间序列预测模型构建效率低、预测精度低的问题,提出基于组合模型的HURST-EMD预测算法.采用EMD算法将非线性时间序列分解为代表原始序列特征的各个IMF,然后引入赫斯特(Hurst)指数将同类的IMF整合为新的分量,最后选用LS-SVR-ARIMA模型进行组合预测.在该算法中,设计了序列分类整合等过程,优化了建模的计算量,构建了高效精准的预测模型.为验证模型的有效性,采用上证指数公共数据集和真实交通流数据进行检验,实验结果表明,改进的基于组合模型的HURST-EMD预测算法在提高预测效率的同时具有更好的预测精度.

摘要： 针对局部投影降噪算法中邻域相点的质心选取问题,分析了邻域质心的选取对降噪效果所产生的影响.提出了一种高阶邻域质心的选取方法,利用高阶多项式对邻域质心进行了更为精确地估计,更好地适应了吸引子的几何形状,进一步抑制了噪声,提升了局部投影算法的降噪效果.通过数值仿真信号进行了验证,并与同样基于相空间重构的非线性时间序列降噪方法做了对比,说明了高阶局部投影算法的优越性.最后将其运用于工业现场的风机轴承故障诊断中,从频域成功地提取出了滚动轴承的故障特征.%In order to deal with mass centroid selection of phase points in neighbor zones for the local projective noise reduction algorithm,the influences of neighbor zone mass centroid selection on noise reduction effects were analyzed.Higher-order polynomials were used to estimate neighbor zone mass centroid more accurately and better adapt to geometric shape of the attractor.In this way,the noise was further suppressed,noise reduction effects of the local projective method was improved.Numerical simulation signals were used to verify its effectiveness.The superiority of the higher-order local projective algorithm was revealed by comparing it with other nonlinear time series noise reduction methods based on phase space reconstruction.Finally,the proposed method was adopted in fault diagnosis of industrial fans' beatings,fault features of rolling beatings were extracted successfully in frequency domain.

摘要： 目的 研究钙离子(Ca2+)对针刺神经电信号的影响,为揭示Ca2+在针刺信号传导过程中的作用及针效产生的始动机制进一步提供实验依据.方法 选用健康成年雄性SD大鼠,实验组采用0.1 mol/L乙二醇双乙胺醚四乙酸(EGTA)5?μL穴位注射络合足三里穴区Ca2+,对照组采用0.05 mol/L Ca2+-EGTA对照液5?μL穴位注射.分别记录穴位注射前(YQ)及穴位注射后即刻(YH0)、7 min(YH7)、14 min(YH14)、21 min(YH21)、28 min(YH28)时神经细束的放电情况.应用非线性时间序列分析方法、小波能量熵分析法、峰峰间期等方法对采集的数据进行分析.结果 实验组各时间段(YH0、YH21、YH28)的放电频率均降低,与同组YQ比较差异均具有统计学意义(P<0.01);对照组各时间段(YH14、YH21、YH28)的放电频率显著增高,与同组YQ比较差异均具有统计学意义(P<0.05).实验组YH21、YH28的放电频率与对照组比较差异均具有统计学意义(P<0.05).通过放电频率、波形幅值的统计发现穴区Ca2+浓度降低对针刺引发的放电序列有比较明显的影响.结论 Ca2+是针效产生机制的重要环节之一,其在针刺神经电信号传导过程中起着重要作用.

摘要： 基于Wald检验方法,考虑了一类带有解释变量的ARCH(q)模型的解释变量是否存在的检验问题,给出了Wald检验统计量及统计量的渐近分布,通过数值模拟研究了检验的功效,并将检验方法应用于我国股市的实证分析中.

摘要： 现代国际进出口贸易交流日益频繁,贵金属产品的出口数据也日益庞大,为适应时代现状对贵金属出口的交易数据除了要进行统计和分析外也需要实现进行数据预测,为此提出了数据预测模型,分别对贵产品出口数据的预测值和真实值进行计算,通过计算对预测数据进行修订实现模型的构建,并对该模型进行仿真实验和性能测试来验证模型的可行性和准确性,保证其使用价值.

摘要： 针对齿轮早期故障振动信号故障特征微弱,具有非线性特征并且往往含有较强背景噪声从而难以提取故障特征的问题,提出了基于小波包变换与非线性时间序列的齿轮故障诊断方法.首先,利用小波包变换对微弱故障振动信号进行分解,得到处于不同频段的分量;然后,应用非线性时间序列方法对周期性冲击较为明显的分量进行降噪;最后,对降噪后的信号进行希尔伯特包络解调得到包络解调谱,便能够准确地确定故障信号的特征频率.对仿真信号与工程实际信号的分析表明,该方法能够有效地对早期微弱故障信号进行降噪,准确地提取出了齿轮的早期故障特征信息,从而验证了该方法的可行性和有效性,提供了一种齿轮早期故障诊断新方法.

摘要： 径向基函数(RBF)神经网络在非线性时间序列预测方面发挥着重要作用.本文提出了对角型广义RBF神经网络模型,并利用贝叶斯阴阳(BYY)和谐学习算法进行隐层单元个数的确定和参数初始值的选取,并且建立了同步LMS算法进行参数学习.进一步,将对角型广义RBF神经网络应用于非线性时间序列预测,得到了预测准确率高和速度快的效果.

摘要： 传统模糊神经网络在时间序列预调方面已经有比较成功的应用,但在预测前,是否需要预先进行趋势和季节剔除,以及如何进行剔除,还缺乏统一认识.利用小波分解将非线性时间序列中的趋势项、周期项和随机项分离出来,然后采用模糊神经网络进行集成预测,解决了传统差分方法等剔除趋势和季节因素后,进行模糊神经网络预测效果差的问题,同时义充分利用了非线性时间序列中的趋势项、周期项和随机项信息.为了检验小波模糊神经网络的非线性时间序列预测效果,对中国铁路客运量进行预测实验.实验结果表明,利用小渡分解进行趋势项、周期项和随机项的分离,并进行模糊神经网络的集成预测,此传统的模糊神经网络预测有着更好的精度,从而验证了模型的有效性.

摘要： 金融时间序列的确定性判断将直接影响到对其进行研究的理论框架的选择。本文提出了一种非线性时间序列确定性的检验方法。该方法首先将待判断的时间序列重构于高维向空间中，寻找其在低维欧式空间中投影，再反射回源空间。通过比较源空间与反射空间之间的偏差，与随机系统中产生的偏差进行比较，来判断该序列的确定性。

摘要： 以绝缘子等值盐密为研究对象，根据Takens 延时法对等值盐密时间序列进行相空间重构，通过相空间重构及Lyapunov 指数来判定等值盐密时间序列的非线性特性，给出了等值盐密时间序列相空间重构方法及确定最小嵌入维数及延迟时间的方法。研究了时间延迟和嵌入维数的最佳匹配及其算法，对等值盐密非线性时间序列进行了预测，取得了较为理想的预测结果。

摘要： 提出两种基于数据结构的非线性时间序列预测的方法；基于聚类的非线性融合预测和基于概率分布的非线性融合预测。两种方法都具有较好的预测性能。

摘要： 目的：分析针刺电信号的特征和规律性,为探讨针刺手法的标准化提供试验依据。方法：rn 以L1腰椎为中心暴露大鼠腰髓,分离出L4或L5脊髓背根神经并在近中端剪断,并将其外周端分离成数支细束,放置于铂金丝电极上。分别用提插补法、提插泻法、捻转补法、捻转泻法四种针刺手法针刺大鼠足三里穴,记录每种手法针刺时脊髓背根神经细束放电的情况,并采用非线性时间序列方法分析和小波分析方法分析针刺电信号的特征和规律性。rn 结果：四种针刺手法针刺电信号的Lyapunov指数均大于零,而且其递归图都呈均匀分布：四种手法针刺电信号的小波能量熵平均值的大小不同。结论：针刺电信号具有平稳的混沌特性：不同针刺手法针刺电信号具有一定的定量特征。

摘要： 目的：分析针刺电信号的特征和规律性,为探讨针刺手法的标准化提供试验依据。rn 方法：以L1腰椎为中心暴露大鼠腰髓,分离出L4或L5脊髓背根神经并在近中端剪断,并将其外周端分离成数支细束,放置于铂金丝电极上。分别用提插补法、提插泻法、捻转补法、捻转泻法四种针刺手法针刺大鼠足三里穴,记录每种手法针刺时脊髓背根神经细束放电的情况,并采用非线性时间序列方法分析和小波分析方法分析针刺电信号的特征和规律性。rn 结果：四种针刺手法针刺电信号的Lyapunov指数均大于零,而且其递归图都呈均匀分布;四种手法针刺电信号的小波能量熵平均值的大小不同。rn 结论：针刺电信号具有平稳的混沌特性;不同针刺手法针刺电信号具有一定的定量特征。

摘要： 变参数混沌通常不具有稳定的吸引子，当前基于Takens嵌入定理的各种预测方法不再适用。本文研究利用最小二乘递推法预测一类低维变参数混沌时间序列，首先分析变参数混沌系统的动力学特性，提出综合利用遗忘因子算法和限定记忆法预测该类非线性时间序列，推导出两种方法相结合的限定一遗忘综合递推最小二乘算法，在引入二次项等高阶项后将其用于低维变参数混沌时间序列预测，对变参数Henon映射和变参数Ikeda系统混沌时序预测结果说明了该方法的有效性。

摘要： 运用非线性时间序列相空间重构技术,将一维故障时间序列投影到高维空间,并选取合适的约束和最小邻域,构造协方差矩阵,计算故障时间序列的修正数.经多次迭代,逐步趋近原始动力系统时间序列.通过对含噪正弦信号和Henon映射的数值仿真,验证了该算法具有良好的降噪效果,并将该算法应用于齿轮的故障诊断.

摘要： 本发明的目的在于提供一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法，包括以下步骤：将缸压传感器安装在天然气发动机缸盖上的缸压孔内，缸内高温燃气直接作用于传感器上，获得缸内压力数据，计算每个循环的压力获得IMEP时间序列；确定用于非线性动力学的基本参数；利用延迟坐标重构法由IMEP时间序列构造m维相空间矢量点；计算得出天然气发动机燃烧系统IMEP时间序列的小波全能谱图，用于识别IMEP时间序列功率谱中间歇性高频波动、长周期大尺度规则波动及其出现的位置和持续时间特征。本发明能识别天然气发动机燃烧系统复杂的燃烧波动，有利于实现稀燃天然气发动机燃烧过程的非线性预测和基于缸压反馈的稀燃天然气发动机智能控制。

摘要： 本发明公开了一种识别水文时间序列非线性趋势的方法，包括：根据序列长度计算最大小波分解水平，确定具体的离散小波变换方法；得到不同分解水平上对应的子序列；计算各子序列的小波能量密度值，得到待分析水文时间序列的小波能量密度函数；利用离散小波变换方法对白噪声序列进行分解得到子序列；将各白噪声序列小波能量密度函数的均值作为标准小波能量密度函数，得到标准小波能量密度函数的置信区间；对比最大时间尺度上待分析水文序列子序列的小波能量密度值与标准小波能量密度函数置信区间的位置关系。本发明解决了小波分析方法在水文时间序列趋势识别方面缺乏可靠的水文物理基础，也无法有效估计水文序列非线性趋势的显著性和不确定性的问题。

摘要： 特征量提取装置(100)具有：数据取得部(110)，其取得时间序列数据作为输入时间序列数据(D1)；多滤波器应用部(120)，其具有多个数字滤波器，对数据取得部(110)取得的输入时间序列数据(D1)应用各数字滤波器，按照每个数字滤波器输出应用后的包含时间序列特征或频率特征的时间序列数据即滤波器响应时间序列数据(D5)；以及特征量提取部(130)，其针对多滤波器应用部(120)输出的多个滤波器响应时间序列数据(D5)，按照每个滤波器响应时间序列数据(D5)提取特征量，输出提取出的特征量作为特征量数据(D2)。

摘要： 一种用于时间序列建模和预测的计算设备，包括处理器和耦合到处理器的存储器。存储器存储指令以使处理器执行动作，包括对多元时间序列数据的输入进行编码，以及执行所编码的多元时间序列数据到较低维潜在空间的非线性映射。预测较低维潜在空间中的所编码的多元时间序列数据的时间上的后续值。将所预测的后续值和随机噪声映射回输入空间，以提供多元时间序列数据的后续时间点的预测分布样本。输出基于预测分布样本的一个或多个时间序列预测。

摘要： 本发明的目的在于提供一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法，包括以下步骤：将缸压传感器安装在天然气发动机缸盖上的缸压孔内，缸内高温燃气直接作用于传感器上，获得缸内压力数据，计算每个循环的压力获得IMEP时间序列；确定用于非线性动力学的基本参数；利用延迟坐标重构法由IMEP时间序列构造m维相空间矢量点；计算得出天然气发动机燃烧系统IMEP时间序列的小波全能谱图，用于识别IMEP时间序列功率谱中间歇性高频波动、长周期大尺度规则波动及其出现的位置和持续时间特征。本发明能识别天然气发动机燃烧系统复杂的燃烧波动，有利于实现稀燃天然气发动机燃烧过程的非线性预测和基于缸压反馈的稀燃天然气发动机智能控制。

摘要： 本发明提供了一种改进的基于瞬态时间序列的非线性POD降维方法，首先在高维数据中提取主成分，在将取得的主成分无量纲化，得到一个降维后的动力学振动模型，利用降维法从系统的瞬态过程中得到一组主成分，将第一第二主成分组成投影空间，并将原系统投影到该空间中。本发明相对原有的高维系统，具有简单性的特点，模型构造简单，计算复杂度小，具有较高的适用性和精确性，能够广泛应用到多自由度非线性转子系统中；通过对得到的计算结果与实际结果进行对比，得到的数据误差在5％以内。

摘要： 本发明涉及一种基于非线性时间序列的主机负载多序列组合预测方法，属 于计算机应用技术领域。本发明从非线性、非平稳信息处理角度出发，通过构 造多条序列，并利用各序列与负载相关的多种数据关系，将小波包-SVR模型和 SVR模型组合来预测主机负载，以提高主机负载预测精度。该方法适合于对重 点时段或重点时刻点的主机负载预测。

摘要： 本发明提供一种基于非线性时间序列算法的电力负荷预测方法及系统，所述电力负荷预测方法包括以下步骤：构建电力负荷预测指标体系；基于ETL技术，抽取历史每日用电负荷数据、温度、湿度、节假日类别附加分析指标数据，构建电力负荷预测主题数据集；基于神经网络回归模型的异常检测算法对历史用电负荷数据和附加分析指标数据进行异常检测，并删除异常值；构建训练数据集和评估数据集；基于自适应非线性时间序列算法，构建用电负荷预测模型；基于评估数据集，对用电负荷预测模型进行评估；输入历史数据、附加分析数据及预测天数，使用已通过评估的电力负荷预测模型对未来时间段的每日用电负荷进行预测。本发明提升了电力负荷模型预测精度。

摘要： 本发明提供一种基于非线性时间序列算法的电力负荷预测方法及系统，所述电力负荷预测方法包括以下步骤：构建电力负荷预测指标体系；基于ETL技术，抽取历史每日用电负荷数据、温度、湿度、节假日类别附加分析指标数据，构建电力负荷预测主题数据集；基于神经网络回归模型的异常检测算法对历史用电负荷数据和附加分析指标数据进行异常检测，并删除异常值；构建训练数据集和评估数据集；基于自适应非线性时间序列算法，构建用电负荷预测模型；基于评估数据集，对用电负荷预测模型进行评估；输入历史数据、附加分析数据及预测天数，使用已通过评估的电力负荷预测模型对未来时间段的每日用电负荷进行预测。本发明提升了电力负荷模型预测精度。

摘要： 本发明涉及基于小世界无标度网络的非线性时间序列预测方法，基于小世界无标度网络替代随机网络得到小世界无标度回声状态网络SSESN，采用减聚类优化算法，对随机分布神经元进行聚类，自适应获取最优分簇方案，提高SSESN储备池网络的分簇性能；根据神经元的聚类情况，通过簇内连接和簇间连接构建小世界无标度网络连接模型，提取各个节点连接信息，计算储备池内部连接矩阵，根据生成的SSESN储备池网络和输入/输出训练样本集构建基于小世界无标度网络的非线性时间序列预测模型，提高非线性时间序列预测模型的预测精度。