變形分析及變形預(yù)測是一個(gè)復(fù)雜的系統(tǒng)工程,它涉及多種理論與方法;如何引進(jìn)強(qiáng)大的數(shù)學(xué)理論和信號分析方法來了解變形的非線性、復(fù)雜性,有效地從變形監(jiān)測數(shù)據(jù)中提取變形系統(tǒng)的信息,從而進(jìn)行變形解釋和變形預(yù)報(bào)是一門相當(dāng)重要的課題。本文主要通過對混沌時(shí)間序列的研究,探討從混沌理論的角度來進(jìn)行變形分析與預(yù)報(bào),本文研究的主要成果和具體內(nèi)容如下: 1.介紹了混沌的基本概念以及混沌時(shí)間序列的發(fā)展歷程,綜述了混沌時(shí)間序列理論在變形分析中的研究現(xiàn)狀和進(jìn)展,并指出了存在的問題,提出了本文研究的內(nèi)容。 2.介紹了混沌時(shí)間序列的識別辦法,通過對變形系統(tǒng)的時(shí)間序列的混沌判別,可以研究系統(tǒng)各種各樣的運(yùn)動(dòng)狀態(tài),找出系統(tǒng)的運(yùn)動(dòng)特征,為下一步的變形系統(tǒng)分析和預(yù)測提供必要的基礎(chǔ)。 3.綜合介紹了混沌時(shí)間序列分析和預(yù)測的多種技術(shù)手段,并提出種新的分析和預(yù)測方法,介紹了傳統(tǒng)的利用動(dòng)力學(xué)系統(tǒng)的確定性和非線性參數(shù)來分析和預(yù)測系統(tǒng)的方法,研究了運(yùn)用多尺度分析理論分析系統(tǒng)的規(guī)律,進(jìn)而對時(shí)間序列的預(yù)測,研究了近些年出現(xiàn)的各種智能計(jì)算工具(例如徑向基函數(shù)、人工神經(jīng)網(wǎng)絡(luò)等),利用它們的學(xué)習(xí)和逼近能力建立比較復(fù)雜的非線性分析和預(yù)測模型。針對實(shí)際測量中...

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 前言
    1.1 混沌時(shí)間序列的發(fā)展歷史
        1.1.1 混沌理論
        1.1.2 混沌的基本概念
        1.1.3 混沌時(shí)間序列
    1.2 混沌時(shí)間序列在變形分析中的應(yīng)用現(xiàn)狀及待研究的問題
    1.3 本文的主要研究內(nèi)容和意義
    1.4 小結(jié)
第2章 非線性時(shí)間序列的混沌識別
    2.1 觀察相圖法
    2.2 LYAPUNOV指數(shù)法
    2.3 關(guān)聯(lián)維數(shù)法
    2.4 熵方法
    2.5 功率譜方法
    2.6 主分量（PCA）分析法
    2.7 C-C法
    2.8 代替數(shù)據(jù)法
    2.9 小結(jié)
第3章 混沌時(shí)間序列的分析和預(yù)測
    3.1 相空間重構(gòu)理論
        3.1.1 嵌入維數(shù)的選擇
        3.1.2 時(shí)間延遲的選擇
        3.1.3 吸引子的維數(shù)
    3.2 基于LYAPUNOV指數(shù)預(yù)報(bào)
        3.2.1 Lyapunov指數(shù)的計(jì)算
        3.2.2 最大Lyapunov指數(shù)與運(yùn)動(dòng)軌道的關(guān)系
        3.2.3 Lyapunov指數(shù)的預(yù)報(bào)模式
    3.3 多項(xiàng)式擬合預(yù)測方法（全局法）
    3.4 小波多尺度分析與預(yù)測
        3.4.1 小波多分辨分解和重構(gòu)的預(yù)測方法
            3.4.1.1 小波多分辨分解理論
            3.4.1.2 細(xì)節(jié)信號的功率譜估計(jì)
            3.4.1.3 混沌檢測微弱正弦周期信號
        3.4.2 小波多時(shí)間尺度分析方法
    3.5 神經(jīng)網(wǎng)絡(luò)的分析和預(yù)測
        3.5.1 神經(jīng)元模型
        3.5.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.5.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則
        3.5.4 混沌時(shí)間序列神經(jīng)網(wǎng)絡(luò)預(yù)測
    3.6 混沌時(shí)間序列的噪聲處理技術(shù)
    3.7 預(yù)測精度的評價(jià)
    3.8 小結(jié)
第4章 變形數(shù)據(jù)的混沌分析及變形系統(tǒng)的混沌化研究
    4.1 變形監(jiān)測數(shù)據(jù)的混沌現(xiàn)象分析
        4.1.1 變形監(jiān)測數(shù)據(jù)的動(dòng)力學(xué)特征
        4.1.2 大壩變形監(jiān)測數(shù)據(jù)的混沌現(xiàn)象
            4.1.2.1 相空間重構(gòu)
            4.1.2.2 計(jì)算關(guān)聯(lián)維數(shù)和最大Lyapunov指數(shù)
            4.1.2.3 實(shí)例計(jì)算
        4.1.3 邊坡變形監(jiān)測數(shù)據(jù)的混沌分析
        4.1.4 地殼形變點(diǎn)混沌分析
    4.2 變形系統(tǒng)的混沌化研究
        4.2.1 離散變形系統(tǒng)的混沌化
        4.2.2 反饋?zhàn)冃蜗到y(tǒng)的混沌化
        4.2.3 實(shí)例驗(yàn)證
    4.3 本章小結(jié)
第5章 混沌時(shí)間序列分析與預(yù)測在變形分析中的應(yīng)用
    5.1 數(shù)據(jù)預(yù)處理--去噪
    5.2 小波多時(shí)間尺度分析在變形混沌時(shí)間序列中的應(yīng)用
        5.2.1 小波變換系數(shù)
    5.3 基于最大LYAPUNOV指數(shù)預(yù)報(bào)
        5.3.1 重構(gòu)相空間
        5.3.2 Lyapunov指數(shù)和最大預(yù)測尺度
        5.3.3 應(yīng)用實(shí)例分析
    5.4 混沌時(shí)間序列的神經(jīng)網(wǎng)絡(luò)預(yù)測算法
        5.4.1 RBF網(wǎng)絡(luò)的預(yù)測算法
            5.4.1.1 RBF網(wǎng)絡(luò)的介紹和參數(shù)選擇
            5.4.1.2 觀測數(shù)據(jù)的分析與算例
        5.4.2 BP網(wǎng)絡(luò)的預(yù)測
            5.4.2.1 BP網(wǎng)絡(luò)參數(shù)設(shè)定
            5.4.2.2 實(shí)例分析
    5.5 基于小波分析的預(yù)測算法
        5.5.1 小波分解和重構(gòu)
            5.5.1.1 小波細(xì)節(jié)分量預(yù)測模型
            5.5.1.2 小波信號重構(gòu)
            5.5.1.3 小波多尺度分析與RBF網(wǎng)絡(luò)的非線性預(yù)測
            5.5.1.4 小波多尺度分析趨勢項(xiàng)、周期項(xiàng)的提取與重構(gòu)
    5.6 小結(jié)
第6章 結(jié)論與展望
    6.1 本文研究工作的總結(jié)
    6.2 存在的問題和進(jìn)一步研究的設(shè)想
致謝
參考文獻(xiàn)
個(gè)人簡介、攻讀碩士期間發(fā)表的學(xué)術(shù)論文及參與的科研項(xiàng)目



本文編號：3948258