一、混沌预测在OGY方法中的应用（论文文献综述）
虞海彪[1]（2020）在《基于混沌时间序列的光伏功率预测方法研究》文中研究指明随着化石能源的日益枯竭以及人们对环境污染问题愈来愈关注,光伏发电的开发与利用已经成为世界各国解决能源和环境制约问题的共同方案,光伏发电系统已经成为电力系统的重要组成部分。然而,光伏功率受天气、云层、温度等多种因素的影响具有较强的随机性、波动性和间歇性,这会对大电网的安全稳定运行造成严重冲击。有效的光伏功率预测方法可以减小电网的运行成本,保护电网的安全稳定运行,电力工作者也可据此制定合理的经济调度计划。鉴于基于气象数据的传统光伏功率预测方法带有人为主观性,本文从深入挖掘光伏功率时间序列的动力学行为出发,给出了基于混沌时间序列的光伏功率预测研究方向,即基于单变量时间序列的光伏功率预测和基于多变量时间序列的光伏功率预测。首先,回顾了混沌的定义和基本概念,理清了相空间重构理论,延迟时间和嵌入维数两个关键参数的具体求解方法,介绍了关联维数法、最大Lyapunov指数法、递归图法3种混沌时间序列的判定方法,并以实际光伏电站的数据验证了光伏功率时间序列具有混沌特性。其次,由于在混沌理论中,现有嵌入维数计算方法往往难以获得时间序列的最佳嵌入维数,且不同计算方法获得的嵌入维数稍有不同,相应光伏功率的预测结果也就不同。为减小嵌入维数对预测结果的影响,研究了一种基于多嵌入维Volterra滤波器的光伏功率自适应预测方法。以实际光伏功率时间序列为研究对象,分别利用互信息法、Cao氏法确定延迟时间和嵌入维数,构建了基于多嵌入维数的Volterra组合预测模型,组合模型采用神经网络对各嵌入维数下的Volterra单一模型进行组合。仿真结果验证了所提方法的可行性和有效性。然后,为有效避免神经网络陷入局部最优,研究了一种基于天牛群优化（beetle swarm optimization,BSO）-Elman神经网络的光伏功率全局预测方法。在分析粒子群优化（particle swarm optimization,PSO）和天牛须搜索（beetle antennae search,BAS）算法特点的基础上,把由PSO和BAS有机结合在一起的BSO算法应用到Elman神经网络的预测中。在对光伏功率时间序列相空间重构后,BSO进行第一次迭代寻找全局最优解,并将其作为Elman神经网络的最优初始权重。在此基础上,Elman神经网络进行第二次迭代完成训练并以此预测光伏功率。以实际光伏电站数据为算例的预测结果和误差对比分析,验证了所提方法的适应性更强、鲁棒性和稳定性更好。最后,针对光伏功率单变量时间序列预测方法的不足,研究了一种基于多变量相空间重构和径向基函数（radial basis function,RBF）神经网络的光伏功率全局预测方法。基于相关性分析,选取实际光伏电站的历史光伏功率和气象因素时间序列组成多变量时间序列;而后,利用C-C法和虚假邻近点（false nearest neighbors,FNN）法重构光伏功率预测的多变量相空间,并以小数据法识别其混沌特性;在此基础上,结合神经网络强大的非线性拟合能力,建立了基于多变量相空间重构和RBF神经网络的光伏功率全局预测模型。算例分析表明,相较于单变量预测方法,所提出的多变量相空间重构预测方法性能更加优越。
朱万林[2]（2020）在《混沌背景下基于经验似然比方法的弱谐波信号检测》文中认为微弱信号是传统方法很难检测到的微弱量,相对于噪声而言,不仅是指信号的幅值很小,主要是指被噪声淹没的信号和低信噪比的信号。微弱信号检测采用电子学、信息学和概率统计等方法研究被检测信号的特性,分析噪声的组成成分,检测方法被应用于众多领域。大多数情况下,工程中的微弱信号检测问题可简化强混沌噪声干扰下的微弱谐波信号检测问题。混沌系统由于其众多的优良性质,在微弱信号检测领域得到了广泛的应用。所以基于混沌背景噪声下的微弱信号检测问题成为研究热点。本文将混沌理论和信号检测技术相结合,对强混沌背景噪声下的弱谐波信号检测方法展开研究。由于弱谐波信号淹没在混沌背景噪声下,可以通过一维混沌时间序列（观测信号）逆向构建原始混沌系统的结构。首先,利用相空间对观测信号进行重构,然后使用线性模型或单指标模型逼近相空间的映射函数,建立混沌预测模型和并得到预测误差,然后使用经验似然比方法从预测误差中检测观测信号中是否含有微弱谐波信号。经验似然比检测方法:根据混沌预测模型构建估计方程;进一步构建经验似然比函数,使用拉格朗日乘子法求解经验似然比函数,及序列二次规划法优化参数,最后将参数代入R统计量并与卡方值比较,从而检测混沌背景噪声下的微弱谐波信号。最后以Lorenz系统和Rossler系统生成混沌背景信号进行仿真模拟。研究结果表明:（1）根据对混沌时间序列的预测结果分析,混沌线性模型和混沌单指标模型对观测信号预测的均方误差MSE都大于门限值0.1。从预测精度上看,混沌单指标模型比混沌线性模型更好。两个模型对混沌系统生成混沌背景噪声信号预测的均方误差MSE都小于门限值0.1。通过与门限值的对比发现,两个模型都能检测到微弱信号的存在。（2）基于Lorenz系统,经验似然比方法能检测到信噪比低至-63.237dB的微弱谐波信号,当微弱谐波信号的振幅?（28）1时,经验似然比方法检测正确率为99.8%。基于Rossler系统,当微弱谐波信号的振幅?（28）0.6时,检测正确率为97.4%,优于其他的检测方法。
李明辉[3]（2019）在《ATP软件可靠性混沌预测研究》文中指出随着计算机技术的迅速发展,软件的规模越来越大,复杂度越来越高,功能亦越来越强大。正是由于这些原因,软件系统在运行过程中将会不可避免地发生失效现象。对于一些需要具备更高安全性、可靠性软件的领域如轨道交通、航空、核能来说,进行软件可靠性模型及软件失效行为预测的研究是必要的。评估预测软件可靠性,通常采用的方法是在分析软件失效机理的基础上对软件的可靠性建模,进而利用可靠性模型预测软件失效行为。本文通过软件失效的原因分析,认为软件失效行为不仅具有随机性,而且具有混沌性,因此将混沌理论与软件可靠性模型相结合预测软件失效行为。本文的研究工作主要由以下几个方面:（1）既有软件可靠性模型存在的问题。大多数软件可靠性模型是建立在概率论或随机过程基础上。然而基于随机过程的可靠性模型都是建立在关于软件失效行为的某些假设的前提之上的,这些假设条件决定了可靠性模型的准确度。如果假设前提与实际情况差别较大,模型的准确度就会下降。而软件可靠性混沌模型能够避免这些假设前提,从软件失效数据出发,挖掘软件失效的内在规律。（2）软件失效行为的混沌特性分析。以往认为软件失效行为具有随机性的原因在于软件的使用剖面具有随机性。然而本文认为软件的使用剖面在某种程度上具有确定性。在日常运行中,软件的输入具有相当的确定性,不会从无限的输入域中随机选择;在测试过程中,测试人员不会从无限的输入域中选择测试用例,测试用例的选择有一定的规律性,不是完全随机的。另一方面,测试人员在测试中可能由于内心意识或外部环境而影响到其思维方式。这同混沌系统既具有确定性也具有初值敏感性的特点相似。（3）软件失效数据的混沌时间序列分析。对混沌时间序列数据的混沌识别算法、相空间重构参数嵌入维数和时间延迟的求取方法做了介绍。选择G-P算法和C-C法求取ATP（Automatic Train Protection）软件失效数据的嵌入维数和时间延迟;通过计算ATP软件失效数据的最大Lyapunov指数来判别失效数据的混沌性。（4）ATP软件可靠性混沌模型验证。以ATP软件失效数据对混沌可靠性模型验证。采用基于最大Lyapunov指数预测法和BP神经网络的混沌预测法预测软件失效行为。将预测结果与J-M模型、G-O模型的预测结果进行比较。结果表明混沌可靠性模型对软件失效行为预测的效果较优于随机过程模型。图32幅,表2个,参考文献74篇
杨泽峰[4]（2019）在《非线性系统理论在微弱信号检测中的应用》文中研究指明基于非线性系统动力学理论的微弱信号检测是近二十年来发展的新方法,应用于雷达系统状态检测、机械系统故障诊断、无线网络通信和生物医学信息提取等多个领域。目前,利用混沌振子的非线性理论进行微弱信号检测的研究,多数停留在理论阶段,而相应的电路实验研究较少。通过实验研究不仅可以验证理论的可行性,而且可以为诊断系统的理论研究提供实验依据。本文基于洛伦茨（Lorenz）系统和SD（Smooth and Discontinuous）振子动力学模型,应用Matlab软件,进行非线性动力学的理论分析并对其参数进行识别和修改,使改进后的系统（类Lorenz识别系统和SD识别系统）更适用于微弱信号检测。利用模块化思想在Multisim软件中进行电路设计与仿真,分别设计类Lorenz识别系统电路和SD识别系统电路。通过分析SD识别系统电路仿真结果,基于混沌状态和周期状态的“跃迁”确立微弱信号检测方法;通过分析类Lorenz识别系统电路仿真结果,基于系统相图中吸引子个数的变化确立微弱信号检测方法。之后,将两种检测电路联合应用并在理论上分别对这两种电路提出了检测精度更高的优化方法。在仿真的基础上,通过Altium Designer软件画出类Lorenz识别系统和SD识别系统的PCB图,进而搭建PCB板并进行相应的非线性动力学实验研究。通过实验结果与理论仿真结果对比,可以发现实验结果与理论分析结果基本吻合,验证了搭建的非线性系统具备微弱信号检测能力。
王立彬[5]（2019）在《泵站管道振动混沌特性分析与短期预测》文中研究指明包括泵站管道在内的各类输流管道的振动在工程实际中普遍存在,对于管道振动特性分析及振动预测的研究有着广泛的工程背景。泵站管道在长期服役期间,在各类影响因素下会产生不同程度的振动,大幅度的管道不利振动会导致整个管道系统出现损伤,甚至会造成大规模的结构破坏及经济财产损失。为了验证泵站管道振动中存在混沌特性,明晰使其产生混沌特性的振动激励,同时实现管道振动的短期混沌预测,本文选取某灌区泵站管道实测振动响应为研究对象,基于混沌理论对泵站管道振动的混沌特性及其短期预测进行研究。本文的研究内容主要分以下三个方面:（1）泵站管道振动混沌特性分析。目前国内外对泵站管道振动系统的混沌特性分析极少,本文基于饱和关联维数和最大Lyapunov指数等混沌特性定量分析方法对管道实测不同测点在不同运行工况下的振动响应进行混沌特性分析。研究结果表明,泵站管道在某些工况下确实存在混沌特性,管道不同位置、机组不同运行工况、不同振动方向情况下管道振动的复杂性及混沌程度不同,且存在共通规律,即泵站管道振动复杂性及混沌特性受机组振动及流态稳定性影响较大。（2）确定泵站管道混沌振源。基于前文分析结果,通过频谱分析的方法确定泵站管道的振源组成,初步判断不同振源分量的混沌特性。为将不同时间尺度的振源激励成分进行有效分离,文章引入改进变分模态分解（Improved Variatronal Mode Decomposition,IVMD）方法将信号自适应地分解为一系列具有不同尺度特征的IMFs,并分别计算其饱和关联维数和最大Lyapunov指数分析其混沌特性,以此明晰使泵站管道振动产生混沌特性的振动激励。（3）建立泵站管道振动短期混沌预测模型。基于前文泵站管道混沌特性分析结果,对泵站管道振动响应在混沌系统领域做进一步应用拓展——建立管道振动短期混沌预测模型。本文选取Volterra级数预测和RBF（径向基函数）神经网络预测两种方法,首先以典型混沌系统Lorenz系统x分量为算例验证两种预测方法在混沌预测领域的有效性;其次,以前文混沌特性分析结果为基础选取涵盖机组运行影响及流态突变影响的管道振动响应序列,分别实现其混沌短期预测以判断本文混沌短期预测模型是否具有泵站管道振动响应的普适性;最终综合对比两种方法的预测结果选择精度更高的预测方法建立泵站管道振动响应短期混沌预测模型。
余波[6]（2018）在《短期电力负荷预测方法的研究与应用》文中进行了进一步梳理精确的负荷预测是进行供电交易计划及调试计划的重要前提,它能确保在决策是否需要调控发电量以及是否需要启停机组时能做出正确的判断,从而能够在满足正常供电需求的前提下,最大限度的节约成本,并且保证电网安全稳定运行。影响电力负荷预测精确性的因素很多,比如气候变化、人类活动和社会发展等。本文以提高负荷数据的预测精度为前提,提出了基于改进小波阈值函数的负荷数据处理方法,运用小波阈值函数对负荷预测数据进行减噪处理,使得其呈现出更高的信噪比;并针对传统负荷预测方法具有一定的局限性,本文提出了一种基于支持向量机回归的混沌预测模型,该模型能够很好地利用支持向量机的泛化能力,对混沌预测模型进行改进,提升模型计算精度。本文在经过小波阈值函数减噪处理、相空间重构、规整化、误差检验体系、相空间重构的参数筛选、支持向量机回归的参数筛选等过程之后,对实际负荷数据进行了短期负荷预测的仿真分析,同时结合三种传统的预测方法对本文的负荷预报结果进行了对比与分析,验证了本文所提预测方法的精确性以及在短期负荷预测中的可行性。
弭宝松[7]（2018）在《基于混沌理论的信息传播问题研究》文中研究说明近年来人们的社交需求性的增长与社交网络的急速发展,让在线社交网络逐渐成为一个内容互享与交流的一个平台,越来越多的热点事件在社交网络平台上发酵和爆发。如何预测热点事件在社交网络上的趋势对于舆情疏导、商品营销、流量管控等方面具有重要的现实意义。传统的社交网络热点事件的预测方法是从社交网络内部出发根据传染病模型、影响力模型等判断预测事件的未来走向趋势。本文从宏观角度出发,将混沌预测理论引入到社交网络热点事件时间序列预测方面,本文的主要工作如下:1.将混沌预测理论融入社交网络信息传播预测中,从不同角度验证了社交网络信息传播时间序列中确实存在混沌特性。随着非线性理论的不断完善,越来越多的现象表明社交网络信息传播具有混沌特性。本文通过采集的社交网络热点事件数据,利用C-C算法求解时间延迟参数和嵌入维数参数,然后在此基础上通过小数据量法求解出时间序列的最大李雅普诺夫指数,发现得出的李雅普诺夫指数大于0,从而验证了系统的混沌特性;另外求解出关联维数,利用关联维数也验证了系统的混沌性。最后重构单维时间序列的相空间和融合数据的相空间,得到社交网络时间序列在高维的演化轨迹。2.提出一种融合加权一阶预测模型和RBF神经网络模型的组合预测模型,对网媒热点事件趋势进行多变量时间序列预测。针对单预测模型在预测热点话题趋势上准确性的不足,将加权一阶和神经网络结合,使两个预测模型的优点结合起来,并且对RBF神经网络的初始的聚类方法提出改进。最后通过实验对比发现融合模型确实提高了预测的准确度,而且对比单维的混沌网媒热点时间序列,由微信、微博等跨平台构成的多变量的混沌时间序列的预测度更高,为热点事件预测提供了新的角度。
高雷阜,魏丽松[8]（2015）在《OGY方法的轨道引导改进》文中进行了进一步梳理为减少OGY方法前期等待时间,结合自适应混沌粒子群算法（ACPOS）设计一种新的OGY控制器（ACPOS-OGY）.用ACPOS对混沌系统轨道做初始引导,将其引导到不稳定不动点的邻域内,然后再对系统参数进行微调,最终使系统轨道达到稳定的轨道上.ACPOS-OGY不仅吸取粒子群算法和OGY方法的优点,而且自适应调整策略和混沌化处理粒子群算法过程也避免了粒子群算法的缺点,使前期引导轨道更快更准.仿真实验结果表明:改进算法是有效的,并且克服了PSO引导中的人为因素的影响.
魏丽松[9]（2015）在《混沌控制中OGY方法的改进及应用》文中提出为了减少参数扰动法（OGY方法）的等待时间,分别从理论和仿真实验两方面进一步证明了系统初值、预设开启时间和系统演化方程是OGY方法的等待时间的影响因素.用自适应混沌粒子群算法（ACPS O）对系统轨道进行前期的引导,其中迭代值与不动点的距离作为ACPSO的目标函数.设置在8步内寻找最优的迭代值作为接下来迭代的初值,然后等待系统进入不动点的小邻域内,再开启OGY控制.Matlab仿真实验结果表明：ACPSO轨道引导后的OGY控制（ACPSO-OGY）算法可以将Henon映射在期望迭代步内引导到不动点的临域；开启OGY控制后,利用控制参数的微小变化将系统轨道稳定到不动点的值,缩短了OGY方法的等待时间,ACPSO-OGY对混沌系统的控制是有效的.算法对比表明,用ACPSO引导系统轨道不仅大大缩短了等待时间而且更容易实现,因此ACPSO-OGY算法更有优越性.
杨谈[10]（2009）在《网络混沌行为及其控制的研究》文中研究指明网络中存在着大量的混沌行为,对网络混沌行为及其控制的研究有助于深入理解网络这个非线性动力系统的物理本质,以促进网络协议设计、业务量预测、网络规划以及网络性能分析等多个领域的发展。本文围绕网络中的混沌行为及混沌控制方法进行研究,侧重于流量的混沌特性及其控制,基于混沌理论的网络流量性能评估,TCP-RED禺散反馈系统中的混沌现象及其控制,以及网络中的混沌传播模型。论文的主要工作包括：（1）深入分析了自相似流量时间序列和流量混沌吸引子的关系,并指出分形维数是联系流量自相似和混沌特征的纽带；同时,基于混沌理论提出了一种使用最大Lyapuno扌旨数对网络性能进行刻画的方法。（2）提出了一种网络流量混沌控制方法。该方法基于混沌预测值对系统进行控制,将拥塞链路上呈现较强突发性的网络流量向指定的平衡点或区间进行引导,从而减小系统中的最大Lyapunov指数值,降低流量的突发强度。通过对实际网络流量的控制验证了该方法的有效性。（3）研究了TCP-RED离散反馈系统中的边界碰撞分岔现象。通过范式方法分析了该TCP-RED系统中边界碰撞分岔的原因和种类,并根据不动点的稳定条件提出了一种混沌控制的方法,通过对不动点邻域内的状态变量进行扰动,将系统稳定在不动点,显着提高系统性能和资源利用率。仿真验证了该控制方法的有效性。（4）讨论了网络中混沌现象的传播问题。建立了一个基于耦合映像格子的混沌传播模型,同时鉴于Internet的网络拓扑具有小世界特征且网络中节点的度服从幂率分布,故在本文中考虑了WS小世界网络和BA无标度网络两种典型的复杂网络拓扑结构。研究表明,若给定耦合强度,则在这两种网络中混沌节点数占总节点数的初始比例对最终的比例曲线均具有两个相变过程。仿真结果验证了分析结果。
二、混沌预测在OGY方法中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、混沌预测在OGY方法中的应用（论文提纲范文）
（1）基于混沌时间序列的光伏功率预测方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 光伏功率预测的背景和意义 |
| 1.2 光伏功率预测的基本原理及特点 |
| 1.2.1 光伏功率的影响因素 |
| 1.2.2 光伏功率预测的特点 |
| 1.3 光伏功率预测的研究方法及其发展现状 |
| 1.3.1 光伏功率预测方法分类及工程应用 |
| 1.3.2 光伏功率主要预测方法简介 |
| 1.3.3 混沌理论及其在时间序列预测中的应用 |
| 1.4 本文的主要研究内容和章节安排 |
| 第二章 光伏功率时间序列混沌特性分析 |
| 2.1 混沌的定义和基本概念 |
| 2.2 相空间重构理论 |
| 2.3 相空间重构参数的确定 |
| 2.3.1 延迟时间的选择 |
| 2.3.2 嵌入维数的选择 |
| 2.4 时间序列混沌特性的判定 |
| 2.4.1 关联维数法 |
| 2.4.2 最大Lyapunov指数法 |
| 2.4.3 递归图法 |
| 2.5 光伏功率时间序列混沌特性实证 |
| 2.5.1 关联维数法计算结果 |
| 2.5.2 最大Lyapunov指数法中的小数据法计算结果 |
| 2.5.3 递归图法计算结果 |
| 2.6 本章小结 |
| 第三章 基于单变量时间序列的光伏功率预测方法 |
| 3.1 混沌时间序列预测方法 |
| 3.1.1 自适应预测法 |
| 3.1.2 全局预测法 |
| 3.1.3 局域预测法 |
| 3.2 基于多嵌入维Volterra滤波器的光伏功率自适应预测 |
| 3.2.1 Volterra滤波器 |
| 3.2.2 BP神经网络 |
| 3.2.3 基于BP神经网络的组合预测模型 |
| 3.2.4 算例分析 |
| 3.3 基于BSO-Elman神经网络的光伏功率全局预测 |
| 3.3.1 智能优化算法 |
| 3.3.2 Elman神经网络 |
| 3.3.3 光伏功率的BSO-Elman神经网络全局预测模型 |
| 3.3.4 算例分析 |
| 3.4 本章小结 |
| 第四章 基于多变量时间序列的光伏功率预测方法 |
| 4.1 光伏功率影响因素及其相关性分析 |
| 4.2 光伏功率预测的多变量相空间重构理论 |
| 4.2.1 光伏功率预测的多变量相空间重构 |
| 4.2.2 光伏功率预测的多变量相空间重构参数优化 |
| 4.3 基于多变量相空间重构和RBF神经网络的光伏功率全局预测 |
| 4.3.1 RBF神经网络 |
| 4.3.2 RBF神经网络结构的确定 |
| 4.3.3 光伏功率的多变量相空间重构和RBF神经网络全局预测模型 |
| 4.4 算例分析 |
| 4.4.1 算例描述 |
| 4.4.2 预测结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 前景与展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（2）混沌背景下基于经验似然比方法的弱谐波信号检测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究目的及主要内容 |
| 1.2.1 研究目的 |
| 1.2.2 研究内容 |
| 1.3 研究方法 |
| 1.4 研究框架 |
| 1.5 创新与不足 |
| 2 文献综述 |
| 2.1 混沌的研究 |
| 2.2 混沌时间序列预测的研究 |
| 2.3 经验似然比的研究 |
| 2.4 混沌背景噪声下微弱谐波信号检测的研究 |
| 2.5 小结 |
| 3 预备知识 |
| 3.1 混沌相关知识 |
| 3.1.1 混沌的定义 |
| 3.1.2 混沌运动的主要特点 |
| 3.2 相空间重构理论 |
| 3.2.1 相空间重构的Takens嵌入定理 |
| 3.2.2 相空间重构参数的确定 |
| 3.3 混沌时间序列预测 |
| 3.3.1 全域法 |
| 3.3.2 局域法 |
| 3.4 经验似然比 |
| 4 基于混沌线性模型的混沌噪声干扰下微弱谐波信号的经验似然比检测 |
| 4.1 微弱谐波信号的检验模型 |
| 4.2 混沌线性模型 |
| 4.3 经验似然比检验方法 |
| 5 基于混沌单指标模型的混沌噪声干扰下微弱谐波信号的经验似然比检测 |
| 5.1 混沌单指标模型 |
| 5.2 经验似然比检验方法 |
| 5.3 主要结论的证明 |
| 6 仿真实验结果及分析 |
| 6.1 Lorenz系统 |
| 6.1.1 混沌模型预测效果评估 |
| 6.1.2 微弱谐波信号存在性检测 |
| 6.1.3 不同强度的微弱谐波信号检测 |
| 6.1.4 不同检测方法性能比较 |
| 6.2 Rossler系统 |
| 6.2.1 混沌模型预测效果评估 |
| 6.2.2 微弱谐波信号存在性检测 |
| 6.2.3 不同强度的微弱谐波信号检测 |
| 6.2.4 不同检测方法性能比较 |
| 7 结论 |
| 8 总结与展望 |
| 8.1 全文总结 |
| 8.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（3）ATP软件可靠性混沌预测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究意义 |
| 1.4 论文主要内容及结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 2 软件可靠性理论 |
| 2.1 软件可靠性定义 |
| 2.2 影响软件可靠性的因素 |
| 2.3 软件可靠性指标 |
| 2.4 软件可靠性模型分类 |
| 2.5 经典软件可靠性模型介绍 |
| 2.5.1 随机过程模型 |
| 2.5.2 非随机过程模型 |
| 2.6 本章小结 |
| 3 软件失效的混沌性与随机性分析 |
| 3.1 软件失效行为分析 |
| 3.1.1 软件可靠性的相关概念 |
| 3.1.2 软件错误产生的原因 |
| 3.2 基于随机性的软件失效 |
| 3.2.1 软件失效的随机性分析 |
| 3.2.2 基于随机过程的可靠性模型 |
| 3.3 软件失效的混沌性分析 |
| 3.3.1 混沌与随机 |
| 3.3.2 软件失效的混沌分析 |
| 3.4 软件可靠性混沌模型 |
| 3.4.1 软件可靠性混沌模型概述 |
| 3.4.2 软件可靠性混沌模型的应用 |
| 3.5 本章小结 |
| 4 ATP软件失效数据混沌分析 |
| 4.1 混沌理论 |
| 4.1.1 混沌理论的起源 |
| 4.1.2 混沌的定义 |
| 4.1.3 混沌的特点 |
| 4.1.4 典型的混沌系统 |
| 4.2 混沌时间序列相空间重构 |
| 4.2.1 Takens定理 |
| 4.2.2 嵌入维数的确定 |
| 4.2.3 时间延迟的确定 |
| 4.3 混沌识别 |
| 4.4 本章小结 |
| 5 ATP软件可靠性混沌模型验证 |
| 5.1 混沌时间序列预测算法 |
| 5.2 ATP软件失效行为预测 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 图索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）非线性系统理论在微弱信号检测中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 非线性动力学及其发展 |
| 1.2 微弱信号检测 |
| 1.2.1 微弱信号检测的方法及其应用 |
| 1.2.2 非线性理论在微弱信号检测中的应用 |
| 1.3 非线性电路 |
| 1.3.1 非线性电路的定义 |
| 1.3.2 非线性电路的发展状况 |
| 1.4 主要研究内容 |
| 第二章 识别系统的非线性动力学分析及计算 |
| 2.1 混沌理论 |
| 2.1.1 混沌的基本特性 |
| 2.1.2 分析混沌的方法 |
| 2.2 混沌的控制 |
| 2.3 SD识别系统 |
| 2.3.1 SD振子力学模型 |
| 2.3.2 系统参数选择及其分岔图 |
| 2.3.3 抗噪性分析 |
| 2.3.4 系统中加入微弱信号 |
| 2.3.5 系统状态分析 |
| 2.3.6 初步确立控制信号幅值并建立状态方程模块 |
| 2.4 类Lorenz识别系统 |
| 2.4.1 类Lorenz系统模型及其动力学特性 |
| 2.4.2 系统参数选择及其分岔图 |
| 2.4.3 抗噪性分析 |
| 2.4.4 系统中加入微弱信号 |
| 2.4.5 系统吸引子数量变化 |
| 2.4.6 确定激励信号幅值并建立状态方程模块 |
| 2.5 本章小结 |
| 第三章 非线性电路的设计与仿真 |
| 3.1 SD识别系统的电路设计与仿真 |
| 3.1.1 电路设计 |
| 3.1.2 运算模块 |
| 3.1.3 阻值计算 |
| 3.1.4 控制参数的改进及检测方法的研究 |
| 3.2 类Lorenz识别系统的电路设计与仿真 |
| 3.2.1 电路设计 |
| 3.2.2 阻值计算 |
| 3.2.3 积分电路初值实现 |
| 3.2.4 可检测微弱信号的幅值范围 |
| 3.3 本章小结 |
| 第四章 微弱信号检测方法的优化 |
| 4.1 两种检测电路的联合应用 |
| 4.2 SD识别系统电路检测方法优化 |
| 4.3 类Lorenz识别系统电路检测方法优化 |
| 4.4 本章小结 |
| 第五章 非线性电路的硬件实现 |
| 5.1 实验仪器简介 |
| 5.2 运算模块的实验研究 |
| 5.2.1 电子元件型号 |
| 5.2.2 模块电路构建 |
| 5.3PCB板实验 |
| 5.3.1 SD识别系统PCB板 |
| 5.3.2 类Lorenz识别系统的PCB板 |
| 5.3.3 两种检测系统PCB板的联合应用 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（5）泵站管道振动混沌特性分析与短期预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 管道振动国内外研究现状 |
| 1.3 混沌理论在水利工程中的应用现状 |
| 1.3.1 混沌特性分析研究 |
| 1.3.2 短期预测研究 |
| 1.4 主要研究内容 |
| 2 混沌理论基础 |
| 2.1 相空间重构 |
| 2.1.1 自相关函数法计算时间延迟 |
| 2.1.2 Cao法计算嵌入维数 |
| 2.2 混沌特征识别方法 |
| 2.2.1 饱和关联维数 |
| 2.2.2 最大Lyapunonv指数 |
| 2.3 混沌预测基础 |
| 2.3.1 Volterra级数预测 |
| 2.3.2 RBF(径向基)神经网络预测 |
| 2.4 本章小结 |
| 3 管道振动混沌特性分析 |
| 3.1 工程实例 |
| 3.2 管道振动相空间重构 |
| 3.3 管道振动混沌特性识别 |
| 3.3.1 饱和关联维数 |
| 3.3.2 最大Lyapunov指数 |
| 3.4 混沌特征值敏感参数讨论 |
| 3.4.1 平均周期p的选取 |
| 3.4.2 饱和关联维数对混沌程度的体现 |
| 3.4.3 最大Lyapunov指数线性区间的选取 |
| 3.5 本章小结 |
| 4 管道混沌振源确定 |
| 4.1 管道振动响应频谱分析 |
| 4.2 基于IVMD的多时间尺度混沌特性分析 |
| 4.2.1 改进的变分模态分解(IVMD) |
| 4.2.2 混沌振源确定 |
| 4.3 本章小结 |
| 5 管道振动混沌短期预测 |
| 5.1 预测模型有效性验证 |
| 5.1.1 Lorenz系统算例 |
| 5.1.2 预测方案对比 |
| 5.2 工程实例应用 |
| 5.2.1 振动响应序列的选取 |
| 5.2.2 预测结果对比 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参加的科研情况及发表学术论文 |
| 致谢 |
| 参考文献 |
（6）短期电力负荷预测方法的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 专有名词字母缩写对照表 |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 短期负荷预测方法 |
| 1.3 国内外研究现状以及研究思路 |
| 1.4 本文工作 |
| 第2章 基于小波变换的负荷数据处理方法 |
| 2.1 小波分析概论 |
| 2.1.1 连续型小波变换分析 |
| 2.1.2 离散型小波变换分析 |
| 2.1.3 小波基函数 |
| 2.2 基于小波分析的一维信号去噪应用 |
| 2.2.1 常规小波阈值去噪方法 |
| 2.2.2 小波阈值函数的改进 |
| 2.2.2.1 传统方法的硬、软阈值函数 |
| 2.2.2.2 改进的小波阈值函数 |
| 2.2.3 数值验证 |
| 2.3 本章小结 |
| 第3章 支持向量机 |
| 3.1 统计学习基础 |
| 3.2 机器学习 |
| 3.2.1 模式识别 |
| 3.2.2 回归估计 |
| 3.3 支持向量机参数设置 |
| 3.4 本章小结 |
| 第4章 基于支持向量机的混沌预测模型 |
| 4.1 相空间重构概念 |
| 4.2 混沌预测模型概述 |
| 4.3 基于最大Lyapunov指数的预测模型 |
| 4.4 改进的混沌预测模型 |
| 4.4.1 微分熵法的应用 |
| 4.4.2 基于支持向量机的混沌预测模型 |
| 4.4.3 相空间重构后的时间序列 |
| 4.5 数值验证 |
| 4.6 本章小结 |
| 第5章 负荷预测应用 |
| 5.1 实验数据样本描述 |
| 5.2 衡量预测精度的多种误差定义 |
| 5.3 与持续性方法的对比 |
| 5.4 历史负荷数据的预处理 |
| 5.4.1 负荷数据归一化 |
| 5.4.4 原始数据的去噪的方法和结果 |
| 5.5 实验仿真 |
| 5.5.1 算例与模型说明 |
| 5.5.1.1 负荷数据的描述性统计量 |
| 5.5.1.2 四种预测模型方法说明 |
| 5.5.1.3 相空间重构的参数确定 |
| 5.5.1.4 支持向量机回归的参数配置 |
| 5.5.2 仿真结果展示 |
| 5.5.3 与持续法对比的结果展示 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于混沌理论的信息传播问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 信息传播研究现状 |
| 1.2.1 社会网络的发展 |
| 1.2.2 信息流行度的预测 |
| 1.3 论文的主要研究内容及结构安排 |
| 第2章 网络信息传播相关理论基础 |
| 2.1 社交网络中信息传播特性 |
| 2.1.1 社交网络特性分析 |
| 2.1.2 社交网络中舆情传播预测 |
| 2.1.3 多源信息传播分析 |
| 2.2 数据采集及分析 |
| 2.2.1 单平台数据分析 |
| 2.2.2 灰色关联分析 |
| 2.3 本章小结 |
| 第3章 社交网络信息传播中的混沌性分析及相空间重构 |
| 3.1 混沌理论 |
| 3.1.1 混沌的概念 |
| 3.1.2 混沌的系统特征 |
| 3.2 混沌系统的判定 |
| 3.2.1 C-C算法 |
| 3.2.2 G-P算法 |
| 3.3 相空间重构 |
| 3.3.1 单变量的相空间重构 |
| 3.3.2 多参数时间序列的相空间重构 |
| 3.4 本章小结 |
| 第4章 基于多参数的热点事件混沌时间序列预测 |
| 4.1 基于单参数的信息预测 |
| 4.1.1 加权一阶预测 |
| 4.1.2 径向基神经网络预测 |
| 4.2 基于多源融合的多参数混沌时间序列预测 |
| 4.3 仿真结果及分析 |
| 4.5 本章小结 |
| 第5章 总结及未来工作 |
| 5.1 研究工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（8）OGY方法的轨道引导改进（论文提纲范文）
| 0引言 |
| 1OGY方法简介 |
| 2OGY方法的轨道引导改进 |
| 3仿真实验 |
| 4结论 |
（9）混沌控制中OGY方法的改进及应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究意义 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 2 基本理论 |
| 2.1 混沌概述 |
| 2.2 混沌的识别、预测和控制简介 |
| 2.3 OGY方法基本理论及算法仿真 |
| 2.3.1 OGY方法概述 |
| 2.3.2 OGY方法控制典型混沌系统仿真实验 |
| 2.4 本章小结 |
| 3 OGY方法的等待时间影响因素分析 |
| 3.1 OGY方法的开启条件 |
| 3.2 OGY方法的等待时间三个影响因素 |
| 3.3 三个影响因素具体分析验证过程 |
| 3.3.1 研究受到初值选取的影响 |
| 3.3.2 研究受到预设开启控制的影响 |
| 3.3.3 研究受到系统本身的演化方程的影响 |
| 3.4 理论和实验结论 |
| 3.5 本章小结 |
| 4 基于自适应混沌粒子群的OGY算法改进 |
| 4.1 基于自适应混沌粒子群的OGY算法改进 |
| 4.2 ACPSO-OGY控制流程图 |
| 4.3 仿真实验 |
| 4.3.1 无引导的OGY控制Henon系统 |
| 4.3.2 ACPSO引导下的OGY方法控制Henon系统 |
| 4.3.3 对比分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（10）网络混沌行为及其控制的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 混沌的基本概念 |
| 1.2.1 混沌的定义和性质 |
| 1.2.2 分岔与混沌 |
| 1.2.3 混沌预测 |
| 1.2.4 混沌控制和混沌同步 |
| 1.2.5 相空间重构理论 |
| 1.3 国内外研究现状 |
| 1.4 本文的主要贡献 |
| 1.5 本文的结构和安排 |
| 1.6 参考文献 |
| 第二章 基于混沌理论的网络流量刻画 |
| 2.1 引言 |
| 2.2 网络流量的相空间重构 |
| 2.3 网络流量的混沌特征与自相似性 |
| 2.3.1 网络流量的相似性 |
| 2.3.2 网络流量的混沌宏观特征量 |
| 2.3.3 自相似流量时间序列与流量混沌吸引子 |
| 2.4 LYAPUNOV指数对网络性能的刻画 |
| 2.4.1 性能评估问题描述 |
| 2.4.2 基于混沌理论的网络流量性能评估方法 |
| 2.4.3 方法验证 |
| 2.5 本章小结 |
| 2.6 参考文献 |
| 第三章 网络流量的混沌控制 |
| 3.1 引言 |
| 3.2 流量的混沌预测方法 |
| 3.3 基于混沌预测的网络流量混沌控制方法 |
| 3.4 实验验证 |
| 3.4.1 Henon系统的混沌控制结果 |
| 3.4.2 网络流量的混沌控制结果 |
| 3.5 本章小结 |
| 3.6 参考文献 |
| 第四章 TCP-RED离散反馈系统中的混沌分岔及混沌控制 |
| 4.1 引言 |
| 4.2 TCP-RED离散反馈系统 |
| 4.3 TCP-RED离散反馈系统中的边界碰撞分岔现象 |
| 4.4 TCP-RED系统中混沌控制的研究 |
| 4.4.1 数值仿真结果 |
| 4.4.2 NS2仿真结果 |
| 4.5 本章小结 |
| 4.6 参考文献 |
| 第五章 网络中混沌现象的传播 |
| 5.1 引言 |
| 5.2 基于耦合映象格子的混沌传播模型 |
| 5.3 典型复杂网络中混沌现象的传播 |
| 5.3.1 WS小世界CML中混沌现象的传播 |
| 5.3.2 BA无标度CML中混沌现象的传播 |
| 5.4 本章小结 |
| 5.5 参考文献 |
| 第六章 结束语 |
| 附录 |
| Ⅰ 符号表 |
| 致谢 |
| 个人简历及参加的科研工作 |
| 攻读博士期间已发表和已录用的文章目录 |
四、混沌预测在OGY方法中的应用（论文参考文献）
- [1]基于混沌时间序列的光伏功率预测方法研究[D]. 虞海彪. 合肥工业大学, 2020(02)
- [2]混沌背景下基于经验似然比方法的弱谐波信号检测[D]. 朱万林. 重庆理工大学, 2020(08)
- [3]ATP软件可靠性混沌预测研究[D]. 李明辉. 北京交通大学, 2019(01)
- [4]非线性系统理论在微弱信号检测中的应用[D]. 杨泽峰. 石家庄铁道大学, 2019(03)
- [5]泵站管道振动混沌特性分析与短期预测[D]. 王立彬. 华北水利水电大学, 2019(01)
- [6]短期电力负荷预测方法的研究与应用[D]. 余波. 南昌大学, 2018(12)
- [7]基于混沌理论的信息传播问题研究[D]. 弭宝松. 重庆邮电大学, 2018(01)
- [8]OGY方法的轨道引导改进[J]. 高雷阜,魏丽松. 辽宁工程技术大学学报(自然科学版), 2015(06)
- [9]混沌控制中OGY方法的改进及应用[D]. 魏丽松. 辽宁工程技术大学, 2015(03)
- [10]网络混沌行为及其控制的研究[D]. 杨谈. 北京邮电大学, 2009(05)