《基於網路模體與簇結構的非線性時間序列預測方法研究》是依託濟南大學，由孟慶芳擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於網路模體與簇結構的非線性時間序列預測方法研究
- 項目類別：青年科學基金項目
- 項目負責人：孟慶芳
- 依託單位：濟南大學
項目摘要,結題摘要,
項目摘要
近年來把時間序列構造為複雜網路的方法在非線性時間序列分析與複雜網路之間架起了橋樑，基於複雜網路的非線性時間序列分析方法成為一個重要的研究熱點。但是基於複雜網路的非線性時間序列預測方法的研究國內外未見有報導。基於過嵌入法，提出適用於非平穩時間序列的複雜網路構造法；針對非線性模型泛化推廣能力差和存在過擬合等問題，利用構造的複雜網路的空間信息與分層結構，重點提出基於複雜網路模體和網路簇結構的非線性時間序列預測方法，提高模型預測精度並降低模型複雜度；基於複雜網路統計量與模型預測誤差，提出腦電信號特徵提取方法，並套用於分析不同模式腦電信號（癲癇腦電、發作間歇期腦電、發作前期腦電）的動力學狀態，提高癲癇檢測和癲癇發作預測的精度；構建基於複雜網路的非線性時間序列預測方法及其套用平台。本項目研究成果在基於複雜網路的非線性時間序列分析方法研究與腦電信號非線性動力學分析方面都具有重要意義。
結題摘要
近年來把時間序列構造為複雜網路的方法在非線性時間序列分析與複雜網路之間架起了橋樑，基於複雜網路的非線性時間序列分析方法成為一個重要的研究熱點。基於非線性時間序列局域預測法與相關向量機回歸模型，提出了局域相關向量機預測方法，並套用於預測實際的小尺度網路流量序列。套用基於信息準則的局域預測法鄰近點的選取方法來選取局域相關向量機回歸模型的鄰近點個數。基於遞歸圖的遞歸量化分析重現了非線性時間序列的動力學行為，分析了其遞歸特性，提出了基於遞歸量化分析的癲癇腦電信號特徵提取方法。在把腦電信號構造為複雜網路的基礎上，提出了基於複雜網路度分布的香農熵的腦電信號特徵提取方法。加權複雜網路是一種重要的複雜網路，其優點是避免了選取轉換閾值所帶來的信息丟失。本項目組研究了加權複雜網路頂點強度分布，並提出了基於加權複雜網路頂點強度分布的癲癇腦電特徵提取方法。加權複雜網路權值差異可以從統計角度研究複雜網路中各個節點之間的權值不同，即從權值角度分析了加權網路拓撲結構的稀疏程度。本項目組研究了癲癇腦電序列加權複雜網路權值差異分布，並提出了基於加權複雜網路權值差異分布的特徵提取方法。本項目組提出了一種基於LZ複雜度和時間序列分解的心室纖顫和心動過速心電信號特徵提取的新方法。本項目研究成果在基於複雜網路的非線性時間序列分析方法研究與腦電信號非線性動力學分析方面都具有重要意義。
