留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

低噪声水平混沌时序的预测技术及其应用研究

马军海 王志强 陈予恕

马军海, 王志强, 陈予恕. 低噪声水平混沌时序的预测技术及其应用研究[J]. 应用数学和力学, 2006, 27(1): 6-12.
引用本文: 马军海, 王志强, 陈予恕. 低噪声水平混沌时序的预测技术及其应用研究[J]. 应用数学和力学, 2006, 27(1): 6-12.
MA Jun-hai, WANG Zhi-qiang, CHEN Yu-shu. Prediction Techniques of Chaotic Time Series and Its Applications at Low Noise Level[J]. Applied Mathematics and Mechanics, 2006, 27(1): 6-12.
Citation: MA Jun-hai, WANG Zhi-qiang, CHEN Yu-shu. Prediction Techniques of Chaotic Time Series and Its Applications at Low Noise Level[J]. Applied Mathematics and Mechanics, 2006, 27(1): 6-12.

低噪声水平混沌时序的预测技术及其应用研究

基金项目: 国家自然科学基金资助项目(70271071,19990510,D0200201)
详细信息
    作者简介:

    马军海(1964- ),男,山东青岛人,教授,博士,博士生导师,已在国内外核心期刊发表论文40篇(联系人.Tel:+86-22-81782238;E-mail:Lzqsly@126.com);陈予恕(1931- ),男,山东肥城人、教授、博士生指导教师,俄罗斯科学院外籍院士.

  • 中图分类号: O175.14;O241.81

Prediction Techniques of Chaotic Time Series and Its Applications at Low Noise Level

  • 摘要: 研究含有噪声的混沌时序的除噪及其重构技术,基于除噪混沌数据的预测技术及其应用.应用混沌时序的奇异值分解技术对混沌时序的噪声进行了剥离,将混沌时序的相空间分解成为值域空间和虚拟的噪声空间,在值域空间内重构了原混沌时序,并在此基础上,确立了非线性模型的阶,利用所提出的非线性模型对时序进行了预测研究工作,研究结果表明,该非线性模型具有很强的函数逼近能力,所采用的混沌预测方法对相应的实际问题有着一定的指导意义.
  • [1] Albano A M,Muench J M,Schwartz C,et al.Singular-value decomposition and the Grassberger-Procaccia algorithm[J].Phys Rev A,1988,38(6):3017—3026. doi: 10.1103/PhysRevA.38.3017
    [2] Martin Casdagli,Stephen Eubank,Doyne Farmer J.State space reconstruction in the presence of noise[J].Phys Ser D,1991,51(10):52—98.
    [3] YU De-jin,Michael Small,Robert G Harrison.Efficient implementation of the Gaussian kernel algorithm in estimating invariants and noise level from noisy time series data[J].Phys Rev Ser E,2000,61(4):3750—3756. doi: 10.1103/PhysRevE.61.3750
    [4] Muller T G,Timmer J.Fitting parameters in partial differential equations from partially observed noisy data[J].Physica Ser D,2002,171(5):1—7.
    [5] Degli Esposti Boschi C,Ortega G J,Louis E.Discriminating dynamical from additive noise in the Van der Pol oscillator[J].Physica Ser D,2002,171(5):8—18.
    [6] Yu A,Kravtsov E D.Surovyatkin nonlinear saturation of prebifurcation noise amplification[J].Physics Letters Ser A,2003,319(10):348—351. doi: 10.1016/j.physleta.2003.10.034
    [7] CAO Liang-yue,HONG Yi-guang,FANG Hai-ping,et al.Predicting chaotic timeseries with wavelet networks[J].Phys Ser D,1995,85(8):225—238.
    [8] Castillo E,Gutierrez J M.Nonlinear time series modeling and prediction using functional networks. extracting information masked by chaos[J].Phys Lett Ser A,1998,244(5):71—84. doi: 10.1016/S0375-9601(98)00312-0
    [9] Christian Schroer G,Tim Sauer, Edward Ott,et al.Predicting chaotic most of the time from embeddings with self-intersections[J].Phys Rev Lett,1998,80(7):1410—1412. doi: 10.1103/PhysRevLett.80.1410
    [10] 马军海,陈予恕,刘曾荣.动力系统实测数据的非线性混沌模型重构[J].应用数学和力学.1999,20(11):1128—1134.
    [11] Kugiumtzis D,Lingjrde O C,Christophersen N.Regularized local linear prediction of chaotic timeseries[J].Phys Ser D,1998,112(6):344—360.
    [12] Berndt Pilgram,Kevin Judd,Alistair Mees.Modelling the ddynamics odf nonlinear timeseries using canonical variate analysis[J].Phys Ser D,2002,170(4):103—117.
  • 加载中
计量
  • 文章访问数:  2393
  • HTML全文浏览量:  117
  • PDF下载量:  576
  • 被引次数: 0
出版历程
  • 收稿日期:  2004-05-08
  • 修回日期:  2005-09-06
  • 刊出日期:  2006-01-15

目录

    /

    返回文章
    返回