《大規模非平穩多元混沌時間序列分析與建模研究》是依託大連理工大學,由韓敏擔任項目負責人的面上項目。
基本介紹
- 中文名：大規模非平穩多元混沌時間序列分析與建模研究
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：韓敏
項目摘要,結題摘要,
項目摘要
氣象、生態等實際複雜系統的混沌特性已被廣泛研究。隨著信息採錄技術的進步，觀測數據的數量和質量迅速提高，從複雜系統中獲得的多元混沌時間序列呈現出大規模非平穩的新特點。針對大規模和非平穩特性帶來的維數災難問題及統計特徵時變問題，本項目研究動態特徵提取方法，建立新型預測模型，並使用氣象等實測數據進行驗證，將模型推廣到一般複雜系統中，為複雜系統的表達和管理提供支持，具有重要的科學意義與套用價值。研究內容如下：（1）分析多元時間序列的混沌特性和高維相關性，結合快速特徵提取方法，提出適用於高維變數的動態特徵提取方法；（2）針對大規模特性，使用非線性降維方法及新型正則化方法，建立稀疏預測模型；（3）針對非平穩特性，自適應更新模型參數，建立線上預測模型；（4）對模型的預測性能進行評估，反饋修正模型。綜上，本項目提出一套完整的大規模非平穩多元混沌時間序列分析與建模方案，為複雜系統的數學化描述提供理論和方法依據。
結題摘要
氣象、生態等複雜系統大多具有混沌特性。隨著感測技術的發展，從複雜系統中獲得的多元混沌時間序列呈現出大規模特點。針對大規模非平穩多元混沌時間序列的建模問題，本項目從以下四個方面展開研究：（1）研究基於互信息及改進灰色關聯分析方法，構造大規模時間序列在相互關聯關係下的特徵提取方法；（2）建立基於非線性流形學習及範數正則化的稀疏預測模型，約簡模型狀態變數，提高模型泛化性能；（3）構造基於核方法和自適應濾波器的新型線上預測模型，擬合時間序列的非平穩趨勢，跟蹤系統的動態特性；（4）對所建模型通過局部鄰域線性化，使用線性系統理論驗證、分析模型的穩定性、可控性及可觀性。在基金資助下，共發表論文76篇，並於2015年12月出版專著1部。主要研究成果發表在國際著名期刊《IEEE Transactions on Neural Network and Learning Systems》、《IEEE Transactions on Cybernetics》、《Engineering Applications of Artificial Intelligence》等和國內重要期刊《自動化學報》、《控制與決策》、《物理學報》等上。在基金支持下，研究小組共培養博士、碩士研究生13人。本項目對大規模非平穩多元混沌時間序列的特徵提取、線上建模、稀疏建模和性能分析進行了積極探索，取得了一批有價值的研究成果，所提出的方案為大規模非平穩多元混沌時間序列的建模提供了重要理論依據。
