資源描述：
《混沌時(shí)間序列的噪聲平滑方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、獨(dú)創(chuàng)性說明作者鄭重聲明：本碩士學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫的研究成果，也不包含為獲得大連理工大學(xué)或者其他單位的學(xué)位或證書所使用過的材料。與我一同工作的同志對(duì)本研究所做的貢獻(xiàn)均已在論文中做了明確的說明并表示了謝意。作者簽名：盞j顯i型日期：塑』毳!主婦Q大連理j。大學(xué)碩士研究生學(xué)位論文大連理工大學(xué)學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者及指導(dǎo)教師完全了解“大連理工大學(xué)碩士、博士學(xué)位論文版權(quán)使用規(guī)定”，同意大連理工大學(xué)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交學(xué)位論文的復(fù)印件和電子版，允
2、許論文被查閱和借閱。本人授權(quán)大連理工大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，也可采用影印、縮印或掃描等復(fù)制手段保存和匯編學(xué)位論文。作者簽名：酗塾l墜導(dǎo)師簽名盈幽邀年_上羔月jn目人連理i人學(xué)碩十學(xué)位論文摘要由于各種非線性動(dòng)力系統(tǒng)的實(shí)際觀測(cè)時(shí)間序列總是不可避免的混有噪聲，噪聲的普遍存在性和高破壞性掩蓋了這些系統(tǒng)的內(nèi)在動(dòng)態(tài)特性，極大地影響了其單變量或多變量的預(yù)測(cè)精度，因此，需要對(duì)實(shí)際觀測(cè)的混沌時(shí)間序列進(jìn)行有效地噪聲平滑。本研究以黃河年徑流量、太陽黑子數(shù)、大連降雨量等水文、天文、氣象領(lǐng)域的時(shí)間序列為對(duì)象，從混沌信號(hào)的自身規(guī)律出發(fā)，針對(duì)噪聲對(duì)混沌時(shí)間序列的影響，
3、探索不同應(yīng)用背景和研究對(duì)象下混沌時(shí)間序列的噪聲平滑問題。對(duì)于混沌動(dòng)力學(xué)特性未知、序列長(zhǎng)度較短的序列，提出了一種改進(jìn)的小波變換混沌信號(hào)噪聲平滑方法。這種方法對(duì)含噪聲混沌信號(hào)進(jìn)行二次小波分解，對(duì)分解后不同尺度下的小波信號(hào)根據(jù)信噪比靈活地選取閾值，數(shù)值仿真結(jié)果表明陔方法有利于改善噪聲平滑效果，從而提高信噪比、減小誤差。同時(shí)，對(duì)于獲得足夠信息的未知?jiǎng)恿W(xué)特性的實(shí)際觀測(cè)時(shí)間序列，提出了一種基于局部投影噪聲平滑的優(yōu)化方法。該方法將神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精確度作為評(píng)判噪聲平滑效果的主要準(zhǔn)則，有效地解決了常規(guī)局部投影方法中鄰域半徑、迭代次數(shù)等參數(shù)選取問題。在此基礎(chǔ)上，由于噪聲的影響，相空間中每一個(gè)
4、鄰域都有其自身的動(dòng)態(tài)特性，常規(guī)局部投影方法中鄰域和局部噪聲子空削的確定受到人為因素的限制，因此，提出一種改進(jìn)的局部投影噪聲平滑方法。該方法能夠根據(jù)實(shí)際情況自適應(yīng)地確定每個(gè)局部鄰域的噪聲子空間，并采用非正交投影方法以有效地抑制首末分量對(duì)更新數(shù)據(jù)點(diǎn)的影響。數(shù)值仿真結(jié)果表明該方法能夠較好地校正相空間中受噪聲影響的點(diǎn)的位置，逼近真實(shí)的混沌吸引子軌跡。關(guān)鍵詞：混沌時(shí)間序列；噪聲；相空間重構(gòu)；小波變換；鄰域劉玉花：混沌時(shí)聞序列的噪聲平滑方法研究TheStudyofNoiseSmoothingMethodsonChaoticTimeSeriesAbstractItisinevitable
5、forthemeasuredtimeseriesofallthenonlineardynamicalsystemstobecontaminatedbynoise．Thepresenceofnoisehasbrokentheintemalchaoticdynamicsofthesesystemsandinfluencedthepredictionofunivariateormultivariateseriesofchaotictimeseries．Therefore．itisnecessaryforustostudythenoisesmoothingmethodsofchao
6、tictimeserieseffectively．StudyingontheobservedchaotictimeseriessuchasannualrunoffdataofYellowRiver，sunspotsnumbersandrainfallofDaliancomingfromthenonlineardynamicsystemsofhydrology,chronometerandweather，thispaperexploresthenoisesmoothingmethodsofchaotictimeseriesondifferentbackgroundsandob
7、jects．Fortheshorterlengthtimeserieswithnoknowledgeofchaoticcharacters，animprovedwavelettransforn-,methodisproposed．Thismethoddecomposesthewaveletsignalsindetailandchoosesdifferentthresholdsneatlyaccordingtothesignalnoiseratioondifferentscales．Simulationresults
