基于Lyapunov指数与神经网络融合的预测模型研究.pdfVIP

2008年 第 10期 测 绘 通 报 17 文章编号 ：0494-0911(2008)10-0017-03 中图分类号 ：TU196 文献标识码 ：B 基于Lyapunov指数与神经网络融合的预测模型研究 田 旦 ，许才军 ，鲁铁定 (1．武汉大学 测绘学院，湖北 武汉430079；2．东华理工大学地球科学与测绘工程学院， 江西 抚州 344000) Research on LyapunovExponentandArtificialNeural NetworkFusionPredictionM odel TIANDan，XUCai-jun，LUTie．ding 摘要：提出一种基于最大Lyapunov指数法和神经网络融合的预测模型，该模型(Lya—BP)吸取了最大Lyapunov指数预测的优点，同 时能够改善对于数据样本不够大时，最大Lyapunov指数预测精度不高的缺点。实例研究表明，Lya—BP模型大大提高了小数据量 下Lyapunov指数法预测的精度，与单一的Lyapunov指数预测相比，更具可靠性，应用更为广泛，具有较大的实用价值。 关键词：相空间重构；Lyapunov指数；神经网络；变形预测 构的相空间把单变量时问序列转化为高维相空间 一 、 引 言 中的相点来预测，接着再利用函数逼近的方法构造 混沌时间序列预测是20世纪 80年代末发展起 模型 ]。当前的混沌时间序列分析理论大都是建 来的一种非线性预测方法 ¨J。传统的预测方法主要 立在相空间重构理论基础之上的，其基本原理就是 有动力学方法和数理统计方法，这些方法的共同特点 F．Takens[和 R．ManeEs]证 明的延迟嵌入定理，它 是先建立数据序列的主观模型，然后根据主观模型进 建立了观测信号系统时问波动与动力系统空问特 行计算和预测。混沌科学的发展，使得可以不必事先 征之间的桥梁 。 建立主观模型，而直接根据数据序列本身所计算出来 设 { }一为混沌时间序列，N为序列长度，相 的客观规律(如 Lyapunov指数)进行预测，这样可以 空间重构为 避免预测 的人为主观性，提 高预测 的精度和可 X = ( ，一，…，一n一1)) (1) 信度 。 式中， 为重构后的相空间；m为嵌入维数；下为延 然而混沌时间序列预测要求变形数据是大样 迟时间。 本的，而在实际的变形监测中，比如大坝、滑坡的监 F．Takens和R．Mane证明：只要适当选取 m和 测，得到的数据一般都不够长，如果数据量较少，预 丁，原未知的混沌动力系统的集合特征和重构的状态 测精度也将降低，其不必事先建立主观模型，避免 空间特征是等价的。 了预测的人为主观性，预测的精度和可信度较高的 三、基于最大 Lyapunov指数的预测方法 优点发挥不出来。鉴于这一缺点，本文提出了一种 基于最大Lyapunov指数法和神经网络的融合预测 设 x(t)为预测中心点，相空间中X(t)的最近 模型(下文称之为Lya．BP模型)，该模型既发挥了 邻点为 (t)，最大 Lyapunov指数为 A，基于 Lya— 最大Lyapunov指数预测的优点，又解决了最大Lya— punov指数的预测模式为 punov指数预