神经网络对马尾松蛀干类害虫数量的混沌识别

[目的]检测马尾松蛀干类害虫2006～2010年,林间种群数量是否具有混沌特性。[方法]利用前馈神经网络分析马尾松蛀干类害虫林间种群数量的复杂性动态。[结果]前馈网络模型估计的最大Lyapunov指数为0.0128,说明马尾松蛀干类害虫林间种群序列存在混沌现象。[结论]马尾松蛀干类害虫的数量与前一次或前几次观测值密切相关,可用重构相空间的方法预测下一次观测值。     

基于FLANN的非线性动态系统辨识

采用一种基于FLANN-PSO的SISO非线性动态系统辨识方法,构造了基于FLANN的辨识模型,然后运用PSO优化算法实现模型权值辨识.通过对4种典型非线性动态系统进行了辨识仿真,结果表明该方法具有良好的性能和高辨识精度,它将更适合于工程实际需要.     

人民币汇率指向非抛补利率平价的非线性均值复归特性

基于非抛补的利率平价学说．运用ESTAR模型采用2005年7月以来人民币对美元汇率的高频教据分析人民币时美元汇率偏离非抛补利率平价模型的特性。检验结果表明呈现出明显的非线性特征．ESTAR对偏离的拟合程度较好。利率平价理论在外汇交易实务中是适用的。随着汇改深入,汇率波动弹性增强．偏离均衡值后的复归转换速度越来越·陕。非线性数据生成预测表明汇率向利率平价转移的趋势．长期偏离保持并收敛在2．9‰。     

BP与RBF网络在一些非线性曲线拟合上性能的比较

对BP与RBF人工神经网络在隐层的传递函数、层数及结点数上的区别进行了比较;对BP与RBF2种神经网络在给定的3个较为复杂的非线性函数上进行Matlab仿真;并分析比较了这2种人工神经网络在指定参数下对不同非线性函数进行拟合时的拟合精度和时间效率;最后给出BP与RBF网络进行非线性曲线拟合的选择方法.     

一类改进的混沌时间序列局域非线性自适应预测

为了提高混沌时间序列的预测性能,在局域非线性自适应预测模型的非线性函数中引入参数,λ通过选择合适的λ建立新的非线性预测模型。通过对Logistic混沌映射、Henon混沌映射、Lorenz混沌流和Rosslor混沌流进行仿真计算,结果表明该模型的预测精度比局域非线性自适应预测的一步预测精度高,且具有一定程度的抗噪性能。     

基于混合效应模型的大兴安岭地被可燃物含水率模型

基于黑龙江省大兴安岭林区南瓮河生态站的落叶松(Larix gmelinii)林、蒙古栎(Quercus mongolica)林、落叶松白桦(Betula platyphylla)混交林3种典型林分的288组可燃物含水率数据,选择基于平衡含水率的可燃物含水率实时变化模型为基础模型,采用非线性混合效应(NLME)模型方法,以林分因子作为随机效应,建立具有混合效应的可燃物含水率的实时变化预测模型,并通过给残差方差增加权重的方法解决异方差性问题。结果表明:考虑随机效应和异方差结构的可燃物含水率实时变化NLME预测模型的拟合效果(M_(AE)=0.716 7,M_(RE)=0.026 6)优于不含随机效应的可燃物含水率实时变化预测模型(M_(AE)=0.815 6,M_(RE)=0.031 2);其中以常数加幂函数作为异方差结构的模型精度最高(AIC=547.72,BIC=581.29,-2LL=527.72)且明显优于未给残差方差增加权重的可燃物含水率实时变化NLME预测模型(AIC=961.65,BIC=988.50,-2LL=945.65)。利用独立样本数据对模型进行检验,检验结果表明,对于可燃物含水率实时变化的预测,考虑随机效应和异方差结构的NLME模型的检验精度(M_(AE)=0.495 8,M_(RE)=0.034 2)比利用最小二乘法拟合的多元非线性回归模型(M_(AE)=0.588 5,M_(RE)=0.588 5)有所提高,说明基于混合效应模型的可燃物含水率实时变化模型可以很好地描述区域尺度上不同林分类型的可燃物含水率实时变化规律。     

实测拟合Mironov介电常数的SMOS对土壤水分反演精度的优化

为对农业干旱预测方法和提高SMOS的反演精度参考,介于Mironov介电常数与土壤水分的变异趋势呈相似规律,尝试利用区域性实测数据非线性拟合二者的量化关系,进而由SMOS L2介电常数直接反求土壤水分、快速改善其反演精度。结果表明:在不考虑空间异质性的情况下,该方法将绝对误差由0.095~0.112降低至0.071~0.072。说明,以真实观测作为先验辅助信息,采用优化参数的方式能够有效提升SMOS对土壤水分的整体反演精度。     

家禽体生长非线性模型的研究进展

家禽体生长是其各种性状发育的基础,非线性模型是一种刻画曲线轨迹的数学方程。利用非线性模型定量描述家禽体生长,是家禽体生长研究中一个特别活跃的研究领域,近几年来更是日趋增多,为品种选育、科学饲养起到了促进作用。为了反映这方面的研究成果,现将有关的研究进展简要综述介绍如下,以为读者提供有价值的文献资料。     

基于Agent异质行为演化的人工金融市场及其非线性特征研究

通过构建基于Agent的人工金融市场,试图从交易者个人异质行为演化的角度研究金融市场非线性特征的形成。市场中,Agent依赖个人行为特征,如：情绪、记忆长度等,来同时考虑基本面信息与价格趋势,针对当前市场状态,基于经验认知权衡二者后形成价格预期与交易行为。权重的自适应性更新揭示了个人行为的演化,其通过遗传算法与生成函数进化预测规则来实现。模拟实验表明,在做市商的价格生成机制下,当市场由自信的基本面分析者、技术分析者和自适应性理性交易者组成时,人工金融市场呈现出与真实市场相似的非线性特征——尖峰、厚尾,波动聚集性,长期记忆性以及混沌特征。这为探究导致市场产生非线性特征的行为因素提供了一个计算实验平台。     

金融混沌Duffing-Holms模型及其控制方法研究

分析并发掘了金融混沌的Duffing-Holms模型的序参量,提出了Duffing-Holms模型存在周期解的条件,这表明可以通过OGY方法和非线性同步方法对金融混沌进行控制.在进行OGY控制时,设定了Duffing-Holms模型的一个周期解,并通过数值模拟将混沌控制到该轨道上,结果指出要对中国金融市场进行有效的混沌控制,必须做好充分准备,对金融市场进行微调.非线性同步方法的数值模拟结果显示,可以通过确定一个市场为驱动系统,另一个为受控响应系统,控制沪深两市的混沌.