相空间重构嵌入volterra级数模型的滑坡时间序列研究

相空间重构嵌入volterra级数模型的滑坡时间序列研究

论文摘要

山体滑坡给人们的生产生活带来了严重影响。滑坡预测预报研究是滑坡灾害分析研究的核心问题,起步于20世纪60年代。近年来,模糊数学、人工神经网络、混沌理论、灰色理论、小波理论等非线性数据处理方法广泛应用于滑坡时间序列的研究中。其中小样本、复杂的非线性滑坡时间序列是研究的重难点。本文围绕利用小样本的复杂非线性滑坡时间序列进行有效预测这一工程目标,理论与具体工程实践相结合,对树坪滑坡时间序列展开研究。相空间重构技术在拓扑等价的情况下可以保持滑坡时间序列的内部动力学特征,同时可以有效的扩展原始数据的维数,将原有的时间序列重构到与之动力学等价的高维相空间中,并在此空间中进行数据的处理和预测。volterra级数在数学模拟方面展示出优秀的非线性预测性能,并且能够显式的表达出和函数的结构,具有线性和非线性双重特性。基于相空间重构的理论,传统的做法是将相空间重构得到的高维数据再输入到各种预测模型或各种组合预测模型中,而本文提出了一种相空间重构嵌入volterra级数的模型用于树坪滑坡的预测,该方法主要是将相空间重构后得到的延迟时间?和嵌入维数m直接嵌入volterra级数的数学模型中,综合利用相空间重构可以扩展数据维数和volterra级数可以进行非线性预测等特点,将传统的两步变成一步,提升了运算效率。针对具体的工程实况,首先对三峡库区树坪滑坡地表位移GPS监测数据采用相图法和最大Lyapunov指数法确定其是否具有混沌性,然后将具有混沌性的滑坡时间序列直接输入到所提出的模型中进行预测,最后通过实验结果进行分析对比。结果表明,本文所提出的相空间重构嵌入volterra级数模型具有有效性,并且利用LMS算法、粒子群算法(PSO)和改进的粒子群算法(IPSO)依次优化volterra级数核函数得到的预测模型预测精度逐步增加,本文的工作为山体滑坡预测和预报研究提供了新的思路,对其它针对小样本非线性复杂时间序列的预测也有借鉴作用。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  •   1.1 研究意义及背景
  •   1.2 国内外研究现状
  •   1.3 本文研究的切入角度
  •   1.4 论文的主要工作与内容安排
  • 第2章 时间序列的混沌判定及相空间重构
  •   2.1 Lyapunov指数及混沌判定
  •   2.2 相空间重构
  •     2.2.1 自相关函数法求延迟时间
  •     2.2.2 G-P算法求嵌入维数
  •   2.3 仿真算例
  •   2.4 本章小结
  • 第3章 Volterra级数预测及其建模
  •   3.1 volterra级数与Tyaor级数
  •   3.2 volterra滤波器
  •   3.3 volterra级数时域模型
  •   3.4 二阶的volterra级数模型
  •   3.5 仿真算例
  •   3.6 改进的volterra级数模型
  •   3.7 仿真算例
  •   3.8 本章小结
  • 第4章 改进的粒子群算法优化volterra级数
  •   4.1 标准粒子群算法
  •   4.2 改进粒子群算法的改进策略
  •     4.2.1 粒子群的混沌序列初始化
  •     4.2.2 参数自适应调整策略
  •   4.3 改进后的粒子群算法优化volterra级数
  •   4.4 仿真算例
  •   4.5 本章小结
  • 第5章 滑坡实例验证及实验分析——以树坪滑坡为例
  •   5.1 树坪滑坡基本情况
  •   5.2 树坪滑坡数据分析
  •   5.3 基于volterra级数模型的滑坡时间序列建模
  •   5.4 不同的优化算法优化嵌入volterra级数核函数的实验结果
  •   5.5 本章小结
  • 第6章 总结和展望
  •   6.1 论文工作总结
  •   6.2 工作展望
  • 参考文献
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 谢守航

    导师: 谢维信

    关键词: 滑坡时间序列,指数,相空间重构,级数,改进粒子群算法

    来源: 深圳大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 数学,地质学,地质学,工业通用技术及设备,自动化技术

    单位: 深圳大学

    分类号: P642.22;O211.61;TP18

    总页数: 75

    文件大小: 5130K

    下载量: 25

    相关论文文献

    • [1].混沌系统相空间重构参数选取的仿真研究[J]. 计算机仿真 2018(07)
    • [2].基于多维相空间重构的城市管理数据分析技术研究[J]. 信息系统工程 2019(12)
    • [3].利用相空间重构短时间间隔的吸收太阳能预测方法[J]. 实验室研究与探索 2020(01)
    • [4].相空间重构的情感语音特征提取及优化[J]. 西安电子科技大学学报 2017(06)
    • [5].基于信息熵优化相空间重构参数的混沌时间序列预测[J]. 物理学报 2010(11)
    • [6].气功意守状态下多导脑电相空间重构非线性分析研究[J]. 上海中医药大学学报 2008(06)
    • [7].基于相空间重构的FOA-GLSSVM深基坑变形预测模型研究[J]. 大地测量与地球动力学 2018(10)
    • [8].相空间重构短期风速与发电功率在线预测[J]. 控制工程 2019(08)
    • [9].基于相空间重构和回声状态网络的舰船摇荡预报[J]. 中国航海 2018(03)
    • [10].相空间重构文献综述可视化分析[J]. 系统仿真学报 2017(12)
    • [11].基于小波分解和相空间重构的大气电场混沌特征浅析[J]. 价值工程 2016(28)
    • [12].基于混沌相空间重构与支持向量机的风速预测[J]. 太阳能学报 2012(08)
    • [13].旋转机械损伤跟踪的改进相空间曲变法[J]. 振动与冲击 2019(01)
    • [14].三峡库区资源环境决策支持系统应用研究[J]. 北京工商大学学报(自然科学版) 2009(05)
    • [15].基于符号分析的极大联合熵延迟时间求取方法[J]. 物理学报 2013(11)
    • [16].基于相空间重构的匹配追踪混沌信号去噪[J]. 太原理工大学学报 2011(02)
    • [17].基于相空间重构的变压器油色谱数据最优长度选择方法[J]. 中国电机工程学报 2018(08)
    • [18].隐相空间的DUPSO-RPSOVF语音预测模型研究[J]. 电子学报 2019(09)
    • [19].基于相空间重构的BP神经网络对边坡的位移预测研究[J]. 山西建筑 2018(01)
    • [20].基于相空间重构与奇异值分解的刀具磨损信号降噪方法研究[J]. 拖拉机与农用运输车 2015(05)
    • [21].基于相空间重构和主分量分析的遥测信号噪声消除[J]. 计算机应用 2010(03)
    • [22].非线性时间序列的相空间重构技术研究[J]. 系统仿真学报 2008(11)
    • [23].基于神经网络的相空间重构短期风速发电功率在线预测[J]. 装备制造技术 2018(04)
    • [24].基于相空间重构的神经网络月降水量预测方法[J]. 计算机仿真 2014(01)
    • [25].利用混沌理论与神经网络方法进行变形预测研究[J]. 测绘信息与工程 2009(01)
    • [26].基于疲劳生理定义的驾驶疲劳复杂度判断[J]. 工业控制计算机 2019(04)
    • [27].基于改进相空间重构原理的支持向量机月径流模拟[J]. 水资源与水工程学报 2013(04)
    • [28].基于相空间重构与支持向量机的人民币兑美元汇率预测[J]. 中国农业银行武汉培训学院学报 2010(04)
    • [29].基于混沌相空间重构的IGA-LSSVM在线煤矿工作面瓦斯浓度预测模型的研究[J]. 中国煤炭 2019(05)
    • [30].相空间重构支持向量机在径流模拟中的应用研究[J]. 长江科学院院报 2013(10)

    标签:;  ;  ;  ;  ;  

    相空间重构嵌入volterra级数模型的滑坡时间序列研究
    下载Doc文档

    猜你喜欢