论文摘要
对采矿引起的地表沉陷进行预测,传统的预测方法有动力学方法和数理统计方法,这些方法的共同特点是先建立数据序列的主观模型,然后根据主观模型对地表沉陷变形进行计算和预测,这些方法对线性问题是很有效的,但如果系统演化进入混沌状态,这些方法就不合适了,甚至会出现很大的误差。混沌动力学的非线性时间序列预测系统在地表沉陷领域的研究比较少,与工程的实际应用有一定的距离,开展这方面的研究有一定的意义。地表沉陷受多个因素的作用,各个因素相互协同又相互竞争,因此地表沉陷的演变具有复杂的混沌特性。鉴于在实际工程中,地表沉陷的观测点的下沉值时间序列比较容易获取,本文利用地表沉陷下沉时间序列进行研究,主要研究内容有:在对混沌理论进行分析的基础上,研究了适用于地表沉陷时间序列的相空间重构方法,利用相空间重构理论,确定了相空间的嵌入维数以及延迟时间,并在相空间重构的基础上对地表沉陷的混沌特性进行了分析。在具体的分析应用中,计算出了地表沉陷时间序列的关联维数、延迟时间和最大李雅普诺夫指数,证明了地表沉陷时间序列具有混沌的特性。在对BP人工神经网络的网络设计以及学习训练函数和参数选区的基础上,本文建立了地表沉陷混沌时间序列的BP人工神经网络预测模型,利用此模型对重构后的地表沉陷相空间中的相点进行了学习、训练,并对地表沉陷时间序列进行了预测,得到了较为满意的预测效果。总之,将混沌理论与人工神经网络与地表沉陷预测相结合,能够较好的反映地表沉陷的特性,为地表沉陷预测理论与方法注入了新的活力。
论文目录
相关论文文献
- [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
- [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
- [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
- [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
- [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
- [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
- [7].王嵬作品[J]. 当代油画 2017(07)
- [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
- [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
- [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
- [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
- [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
- [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
- [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
- [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
- [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
- [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
- [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
- [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
- [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
- [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
- [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
- [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
- [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
- [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
- [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
- [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
- [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
- [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
- [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)