混沌時間序列預測理論與方法

定　價：￥25.00

作　者：	韓敏編著
出版社：	水利水電出版社
叢編項：
標　簽：	概率論與數(shù)理統(tǒng)計

購買這本書可以去

ISBN：	9787508445342	出版時間：	2007-05-01	包裝：	平裝
開本：		頁數(shù)：	261	字數(shù)：

內容簡介

　　本書從混沌學的基本概念出發(fā)介紹混沌信號噪聲濾除方法，重點論述了具有混沌特性時間序列的預測方法。針對一些實際問題，給出了多個實際混沌系統(tǒng)預測研究的算例，希望能對感興趣的讀者有所幫助。本書可以作為相關專業(yè)本科生、研究生以及研究人員的參考書，在內容上力求做到理論完整、推算翔實，在寫作上力求做到深入淺出、通俗易懂，使其具有良好的可讀性，以方便讀者對書中內容的理解和應用。

作者簡介

　　韓敏，朝鮮族，工學博士。大連理工大學教授，博士研究生導師，九三學社社員。兼任中國儀器儀表學會青年工作委員會副主任委員，遼寧省系統(tǒng)仿真學會理事．中國人工智能學會科普工作委員會委員。1978年考入大連理工大學（原大連工學院）電子系學習，1982年獲得學士學位，通過在職學習于1992年在同校獲得碩士學位。1992～1999年留學日本，在日本國立九州大學獲得工學修土和博士學位。1999年學成回國到大連理工大學任教。主要從事智能控制理論及應用、混沌時間序列分析、復雜系統(tǒng)建模與預測等研究。得到教育部留學回國人員科研啟動基金項目“具有多重分支的神經網絡機理分析”，國家自然科學基金項目”含噪聲混沌時間序列重構模型與預測研究（60374064）”，“基于多元時間序列分析的復雜系統(tǒng)建模與預測研究（60674073），以及國家重要基礎研究發(fā)展計劃“973”項目研究專題“黃河年徑流量長期變化的混沌動力學分析（G1999043602）”等支持。在混沌系統(tǒng)分析及預測方面取得了豐富的成果，獲省部級以上學術獎勵兩項。有關論文發(fā)表在《IEEE Trans，on Neural Networks》、《Neural Networks》、《IEEE Trfins，on Signal Processing》、《控制理論與應用》、《控制與決策》等雜志上，累計發(fā)表論文140余篇，其中SCI、EI檢索論文40余篇。

圖書目錄

前言
第1章緒論
　1.1 混沌理論的起源和發(fā)展
　1.2 混沌的定義和基本概念
　　1.2.1 Li-Yorke（李天巖—約克）的混沌定義
　　1.2.2 Devaney的混沌定義
　1.3 混沌運動的特點以及分類
　　1.3.1 混沌運動的特點
　　1.3.2 混沌的分類
　1.4 混沌的研究意義
　　1.4.1 混沌學研究對現(xiàn)代化科學發(fā)展產生的巨大影響
　　1.4.2 混沌學研究革新了經典的科學觀與方法論
　1.5 常見的混沌現(xiàn)象
　　1.5.1 物理學中混沌現(xiàn)象
　　1.5.2 震蕩化學反應
　　1.5.3 生物系統(tǒng)的自組織現(xiàn)象
　　1.5.4 非平衡的宇宙
　　1.5.5 大氣運動和氣候的復雜性
　1.6 混沌時間序列預測應用例子
　　1.6.1 混沌時間序列方法在徑流預報中的應用
　　1.6.2 混沌時間序列方法在經濟預測中的應用
　　1.6.3 混沌時間序列方法在通信信號調制識別中的應用
　　1.6.4 電力負荷時間序列混沌特性的短期負荷預測
　1.7 小結
　參考文獻
第2章奇異吸引子特征及分析方法
　2.1 引言
　　2.1.1 耗散系統(tǒng)
　　2.1.2 吸引子
　　2.1.3 相空間和狀態(tài)空間
　　2.1.4 初值敏感性
　2.2 混沌識別
　　2.2.1 Lyapunov指數(shù)
　　2.2.2 Kolmogorov熵與拓撲熵
　　2.2.3 關聯(lián)維數(shù)
　　2.2.4 功率譜
　　2.2.5 Poincare截面
　　2.2.6 分形與分維
　2.3 混沌序列相空間重構理論
　　2.3.1 嵌入維數(shù)的確定
　　2.3.2 嵌入延遲的確定
　　2.3.3 嵌入窗寬的確定
　2.4 小結
　參考文獻
第3章混沌信號噪聲平滑方法
　3.1 引言
　3.2 預備知識
　　3.2.1 測量噪聲和動力學噪聲
　　3.2.2 噪聲水平和信噪比
　　3.2.3 去噪效果的評判標準
　3.3 基于模型逼近技術的去噪方法
　　3.3.1 簡單局部平均去噪方法
　　3.3.2 改進的非線性局部平均去噪方法
　　3.3.3 全局逼近去噪方法
　3.4 小波理論及其在混沌時間序列中的噪聲平滑研究
　　3.4.1 小波變換與相空間重構
　　3.4.2 常規(guī)小波變換噪聲平滑方法
　　3.4.3 改進的小波變換噪聲平滑方法
　3.5 基于奇異譜和主分量分析的去噪方法
　3.6 基于局部投影噪聲平滑的方法
　　3.6.1 噪聲水平估計方法
　　3.6.2 子空間維數(shù)的動態(tài)選取
　　3.6.3 局部投影噪聲平滑方法的實現(xiàn)步驟及仿真結果
　　3.6.4 一種基于局部投影噪聲平滑的優(yōu)化方法
　3.7 小結
　參考文獻
第4章混沌時間序列預測
　4.1 引言
　4.2 全局預測法
　4.3 局域預測法
　　4.3.1 零階局域預測
　　4.3.2 加權零階局域預測
　　4.3.3 一階局域預測
　　4.3.4 局域非線性預測法
　　4.3.5 基于最大Lyapunov指數(shù)的預測方法
　4.4 自適應預測模型
　　4.4.1 Volterra級數(shù)自適應預測模型
　　4.4.2 基于Sigmokl函數(shù)的Volterra自適應濾波器
　4.5 重構系統(tǒng)方程非線性自適應預測方法
　　4.5.1 基于序列昆沌特性參數(shù)的初始狀態(tài)選擇方法
　　4.5.2 典型混沌系統(tǒng)
　　4.5.3 重構系統(tǒng)方程混沌自適應預測方法
　　4.5.4 重構系統(tǒng)方程混沌自適應預測方法的特點
　4.6 小結
　參考文獻
第5章基于神經網絡的混沌時間序列預測方法
　5.1 引言
　5.2 基于前饋神經網絡的混沌時間序列預測方法
　　5.2.1 多層感知機方法
　　5.2.2 徑向基函數(shù)網絡方法
　　5.2.3 前饋網絡應用于混沌時間序列預測
　5.3 基于自組織特征映射的混沌時間序列預測方法
　　5.3.1 自組織特征映射的模型結構
　　5.3.2 自組織特征映射的學習算法
　　5.3.3 自組織特征映射應用于混沌時間序列預測
　5.4 基于核方法和支持向量機的混沌時間序列預測方法
　　5.4.1 核方法和統(tǒng)計學習理論
　　5.4.2 支持向量機（回歸）方法
　　5.4.3 最小二乘支持向量機方法
　　5.4.4 核方法和支持向量機應用于混沌時間序列預測
　5.5 基于有限脈沖響應神經網絡的混沌時間序列預測方法
　　5.5.1 有限脈沖響應神經網絡的結構
　　5.5.2 有限脈沖響應神經網絡的學習算法
　　5.5.3 有限脈沖響應神經網絡應用于混沌時間序列預測
　5.6 基于多重分支時間延遲遞歸神經網絡預測方法
　　5.6.1 混沌相空間重構理論與時間延遲神經網絡
　　5.6.2 多重分支時間延遲神經網絡
　　5.6.3 多重分支時間延遲神經網絡的逼近能力
　　5.6.4 多重分支時間延遲神經網絡預測方法的特點
　5.7 基于儲備池的混沌時間序列預測方法
　　5.7.1 基于儲備池的非線性系統(tǒng)辨識原理
　　5.7.2 基于儲備池的混沌時間序列的迭代預測方法
　　5.7.3 基于儲備池的混沌時問序列的直接預測方法
　　5.7.4 基于儲備池的混沌時間序列預測方法的特點
　5.8 小結
　參考文獻
第6章混沌序列預測仿真實例
　6.1 預測性能指標
　6.2 應用回聲狀態(tài)網絡（ESN）學習蔡氏電路實測數(shù)據
　6.3 月太陽黑子混沌時間序列預測仿真
　　6.3.1 重構系統(tǒng)方程非線性自適應預測月太陽黑子
　　6.3.2 應用遞歸預測器網絡（RPNN）對月太陽黑子混沌預測仿真
　6.4 黃河年徑流復雜混沌系統(tǒng)的仿真研究
　　6.4.1 黃河年徑流時間序列混沌特性分析
　　6.4.2 黃河年徑流序列模型重構和預測研究
　6.5 小結
參考文獻