一、以混沌理论为基础的神经网络预测方法（论文文献综述）
王凯[1]（2021）在《风电场短期风速及风功率预测研究》文中认为随着社会水平的提高,能源危机日益严重。风能作为目前最具开发潜力的可再生能源被人们广泛的关注。但是由于风具有不确定性和非平稳性,导致风电并网运行是会对电力系统的调度和稳定性造成严重影响。提高风速及风功率的预测精度有助于降低风电接入电网产生的影响以及提高电力系统稳定运行的有效途径。因此,本文基于风电场的历史数据对风速及风功率预测进行研究,主要内容如下:（1）鉴于传统风速预测方法带有人为主观性,本文深入挖掘风速时间序列的动力学特性。根据混沌时间序列的关联维数和最大Lyapunov指数这两种判别方法对风速时间序列的混沌特征识别,然后结合自适应噪声的完全集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）与递归理论对风速时间序列进行多尺度递归分析。为了减少计算量,运用样本熵（sample entropy,SE）计算分量的熵值并按照熵值的相似性及接近程度对分量进行重组。通过对风速时间序列的相图、递归图和递归定量分析表明,原始风速时间序列经过CEEMDAN分解重组后得到的各个分量依然具有混沌特征,分解后的各分量的确定性和平稳性都比原始风速时间序列得到了提高,为后续结合混沌相关理论构建风电场风速预测模型奠定了理论基础。（2）为了进一步降低由于输入数据的维数而引起的风速预测误差,提出一种结合自适应噪声的完全集合经验模态分解、相空间重构和门控循环神经网络的短期风速组合预测模型。首先,采用CEEMDAN方法将风速数据分解为相对平稳的本征模态函数分量;其次,运用SE计算分量的熵值并按照熵值的相似性及接近程度对分量进行重组以减少计算量;然后,利用相空间重构方法求各新分量的输入维数和延迟时间以优选预测的最佳输入集;最后,基于门控循环神经网络（Grated Recurrent Unit,GRU）方法来预测重构后每个新分量的风速值,将所有新分量的预测结果叠加得到最终的预测结果。实验证明,文中提出的组合预测模型有效地提高风速预测的精度。（3）根据风电场历史风速和风功率数据寻找风速与风功率的关系进行间接短期风功率预测时一般采用功率曲线和神经网络这两种方法,其中,神经网络方法的预测效果较为理想。因此提出一种基于Elman-Adaboost神经网络的风功率预测模型。首先为了能真实的反映风机性能,针对风电场历史风速和风功率数据中存在较多异常数据,采用变点分组-四分位法对数据进行清洗;然后对清洗后的风速和风功率数据采用Elman-Adaboost神经网络模型进行训练,最后,将CEEMDANPSR-GRU模型预测出的风速值导入训练好的Elman-Adaboost神经网络模型中实现风功率预测。通过与BP神经网络和Elman神经网络对比,实验表明,ElmanAdaboost神经网络模型的风功率预测精度最高。
李珊珊[2]（2020）在《正交频分复用无源光网络物理层安全防护技术研究》文中研究表明当今世界,信息已成为至关重要的战略资源。日益增长的带宽需求对现有的光网络带来挑战,保障网络安全成为保障国家安全的重要任务。正交频分复用无源光网络（OFDM-PON）因其频谱利用率高、抗色散能力强、资源分配灵活和实现成本低等优势,成为下一代光接入网的优势候选之一。然而,无源光网络的点对多点拓扑结构和下行信号的广播通信方式,使得接入网物理层面临被入侵、窃听和冒充等多种安全威胁。在物理层实施高灵活性、低代价的安全防护措施能够实现对网络信息的全方位保障。研究OFDM-PON物理层安全防护技术,对于推动网络跨层安全机制的协同,实现大容量的安全光接入网系统具有重要意义。论文主要研究成果如下:（1）针对算法安全性与计算复杂度相互制约的问题,提出了基于上下行明文互扰机制的定点数字混沌加密算法。在低精度定点算法约束下,有效改善了数字混沌系统的动力学特性退化效应。设计了对混沌序列进行动态非线性变换的魔方算法,扩大了密钥空间。在计算精度为14比特的定点算法下实现了密钥空间为256×（256!）256≈～10129791的OFDM-PON物理层数据防护机制。（2）针对密钥分发的安全性和信道资源开销问题,提出了基于OFDM混沌导频信号冗余的密钥隐匿分发技术。在不增加额外开销、不影响传输性能的前提下,利用所构造的混沌导频信息的冗余性实现了密钥的安全隐匿传输。实验验证了速率为28.4Mb/s的密钥分发与速率为7.64 Gb/s的16-QAM OFDM数据安全传输协同防护机制。（3）针对传统身份认证协议复杂的问题,提出了基于小波变换和卷积神经网络的硬件指纹识别身份认证技术。将ONU设备容差对传输信号的影响作为硬件指纹,将OFDM导频信号作为指纹载体,在OLT端实现对ONU硬件身份认证;实验验证合法ONU的身份识别准确率可达97.41%,非法ONU的识别准确率可达100%,能够抵御物理层非授权接入、身份欺骗攻击等安全威胁。
李欣宇[3]（2020）在《基于数据融合和AE-ELM的多变量瓦斯浓度预测》文中研究指明煤矿资源是我国宝贵的物质资源之一。然而在采集煤矿过程中引发的矿井事故,极大威胁人身安全和生产安全。根据灾害数据显示,瓦斯事故在各类矿井事故中一直占有较大的比重,需要引起我们的重视。因此寻找对煤矿瓦斯浓度的精准预测方法,是避免井下灾害的有效手段。传统的瓦斯浓度预测方法一般在预测时只用到瓦斯浓度历史数据,而未考虑矿井中瓦斯浓度值也受到诸如风速等其他环境参数影响的问题,针对这个问题论文重点研究以矿井中瓦斯浓度、风速、温度为输入变量的多变量瓦斯浓度预测方法,并构建基于自编码器和极限学习机的模型结构来实现瓦斯浓度的预测。论文所作研究可以概况为以下三点:1.提出利用风速、温度、瓦斯浓度的时序数据协同实现对瓦斯浓度值的预测方法。采用多传感器数据融合和相空间重构的方法相结合,提升整个矿井工作面中瓦斯浓度预测的准确性。2.提出一种自编码器和极限学习机相结合的组合神经网络结构。自编码器用于特征提取将有效降低原始数据维数,并去除原始数据中包含的冗余信息,在提高预测准确度的同时将减少预测的时间,尤其适用于数据量较大的情况。通过极限学习机随机赋予权值能有效缩短训练时间,进一步的提高了预测的实时性。仿真实验结果表明使用论文方法预测的平均绝对误差（MAE）较传统单变量的瓦斯浓度预测以及使用传统模型进行预测的方法分别降低了47.24%和75.97%,提升了算法的准确度和效率。3.提出一种利用模糊信息粒化来预测瓦斯浓度变化趋势的改进方法。将现有的单变量瓦斯浓度趋势预测法与多传感器数据融合和相空间重构技术相结合,提出一种基于多输入变量的瓦斯浓度变化趋势预测方法,从而提高预测的准确性。改进后使用多变量的瓦斯浓度趋势预测方法也较改进前使用单变量的方法的MAE值大大降低,达到了提高准确性的目的。
王梦涛[4]（2020）在《基于时空特性的城市快速路短时交通流预测研究》文中指出城市快速路作为城市交通系统中等级最高的道路,其通行质量直接影响着整个城市路网的运行效率,但是机动车保有量和人们出行需求的迅猛增加,使快速路开始出现交通拥堵并有愈演愈烈的迹象。伴随着智能交通系统的提出,缓解快速路交通拥堵、提高城市运行效率有了新的途径和方法。根据实时交通信息对未来一段时间的交通流参数进行预测是智能交通系统中交通控制与诱导模块的基础和关键工作。所以要想借助智能交通系统来缓解交通拥堵,对短时交通流参数进行实时、准确地预测是至关重要的。本文通过梳理、归纳和总结国内外对城市道路短时交通流预测相关研究内容,得出虽然在单一断面上的交通流预测方面已经取得了很多有价值的研究成果,但是在数据获取和预测方法方面仍然存在一些需要改进和完善的地方。在此基础上,本文着重考虑交通流参数的时间和空间特性对快速路上的平均行程速度进行预测研究。首先本文从数据出发详细地介绍了获取数据的方法及主要步骤,针对使用Python语言爬取平均行程速度数据时存在的相关问题,提出了在数据清理、修复和降噪时的解决方法,为下文提高模型的预测精度奠定数据基础。然后从交通流理论角度对交通流基本参数和参数之间的关系模型进行了简要介绍,根据采集到的交通流数据,对西安市快速路上的交通流参数进行宏观特征分析并拟合出了参数之间的函数关系式。为深入了解交通流参数的时间和空间特性,本文结合采集到的平均行程速度数据对交通流进行了时间维度、空间维度和时间序列三个方面的分析,为后文构建预测模型提供依据。基于小波神经网络模型,考虑城市快速路上交通流的时间和空间特性,构建了4种不同的状态向量,从而建立了基于小波神经网络的城市快速路短时交通流预测模型。为了检验小波神经网络在单一断面上的短时交通流预测方面的适用性和本文构建预测模型的准确性,本文使用采集到的西安二环快速路上的平均行程速度数据对预测模型进行了验证。结果表明:运用小波神经网络构建模型预测单一断面上的短时交通流是可行的,使用小波神经网络建立模型进行预测的精度比BP神经网络高,其预测精度均在90%以上;综合考虑交通流的时间和空间特性建立预测模型可有效提高模型的预测精度。
张新新[5]（2020）在《产品色彩意象系统的混沌性研究》文中提出伴随人们生活品质感的急速提升,产品在满足用户基本功能需求的基础上,愈加关注用户的情感诉求。作为产品系统中最重要的视觉特征之一,色彩所传达的并非仅仅只是一种视觉上的美感,还蕴含着人们的生理和心理需求。并且产品色彩的趋势预测,可有助于研发者把握市场动向、减少设计的盲目性。与此同时,设计系统中存在着类似“蝴蝶效应”的现象,设计之初构思时的一个微小偏差,经过整个设计阶段不断细化放大,会使设计完成后的最终结果与原定目标产生较大差异。因此,产品的色彩意象并不简单是产品色彩与人们心理认知语意之间的量化“公式”,而是涵盖各种影响因素的、非线性的“混沌”系统,具有很强的复杂性。基于此,针对用户色彩意象认知过程难以进行编码与度量、产品色彩趋势预测主观性较强以及设计系统的复杂性等问题,在感性工学的研究框架下,结合本体论和混沌理论的技术方法对产品色彩意象系统的混沌性展开了研究,通过海量数据下产品色彩意象的信息挖掘、提取产品色彩意象系统的吸引子,进而获取时间序列用于判断系统的混沌性,并基于混沌系统的短期可预测特征、定量化地实现了产品色彩的趋势预测,指导满足用户色彩感性需求的产品色彩设计决策,为设计系统的复杂性研究拓宽了理论边界与思路方法。主要研究内容及其相应成果如下:（1）针对用户意象认知过程中复杂信息难以进行编码与度量等问题,基于用户的视觉感知特性,应用数据挖掘的方法从海量数据中析取了用户的色彩感性需求,得到包含79个描述产品色彩意象形容词的产品色彩意象词汇库。（2）根据产品色彩意象词汇库,应用二元组的描述方法构建了产品色彩意象本体模型,并且应用Protege软件实现了产品色彩意象本体模型的视觉化表达。而后,根据词汇库中各词汇的频数,应用意象熵方法得到了汽车色彩的品牌意象:“时尚的”和“自然的”,映射为此系统的吸引子。（3）基于产品色彩意象系统的吸引子,收集与此相关的时间序列数据,展开产品色彩意象系统的混沌性判别研究。针对设计意象系统的复杂性,依据混沌的基本特性:信息的有序与无序、系统的确定性与随机性以及“蝴蝶效应”等,应用小数据量方法对产品色彩意象系统是否存在混沌现象进行了判别性研究,并以汽车外观色彩设计研发为例详细展开。计算六组汽车色彩的时间序列可知:该六组的最大Lyapunov指数计算结果均为正数,即汽车外观色彩意象系统具有混沌特性,进而分析可得产品色彩意象系统中亦存在混沌现象。此结果为产品色彩趋势的定量化预测提供了理论基础与技术方法。与此同时,构建了产品色彩意象感知“混沌箱”,为色彩意象系统的深入探索提供了新的思路与理论支撑。（4）在产品色彩意象混沌系统短期可预测特征的基础上,构建了品牌意象驱动下产品色彩趋势的量化预测模型。从所获取数据中选择符合条件的时间序列,应用灰色神经网络模型进行了产品色彩趋势的短期预测,并以我国汽车外观色彩的趋势预测为例详细展开。分析预测结果显示:2019年我国汽车市场中,具有上升趋势的车身颜色包含红色、蓝色和灰色三种。此预测结果可用于实现用户色彩感性需求动向的提前把握,宏观指导满足市场需求的产品色彩研发。（5）获取了产品色彩设计知识库,指导产品色彩的设计决策。基于汽车色彩品牌意象:“时尚的”和“自然的”,以中档型·三厢轿车的外观色彩设计决策为例,应用感性工学的技术方法计算了色彩品牌意象与产品色彩设计要素之间的关联性,并将关联结果与2019年汽车外观色彩趋势预测结果进行了结合与对比,构建了产品意象色彩设计知识库,微观指导完成满足用户感性需求的产品色彩设计决策。本研究所取得的研究成果可有效的指导企业或研发者进行满足用户色彩情感需求的产品色彩研发决策。与此同时,产品色彩意象系统的混沌性研究又为设计认知系统的深入挖掘提供了新的思路与理论基础。
鲁海鹏[6]（2019）在《基于LSTM和小波变换的网络流量预测模型研究》文中认为随着互联网的不断发展,网络业务种类日益繁多,网络业务总量持续增长。为了更合理地分配网络资源,更好地保障网络服务质量,一个准确有效的网络流量预测模型是必要的。然而,现代网络下的网络流量呈现出多种非线性特征。这使得传统的基于统计的流量模型不再适用于网络流量特征的描述,基于线性回归的方法也难以对非线性的网络流量做出精准的预测。近年来,机器学习方法的发展为网络流量预测问题提供了新的解决思路。本文在总结传统流量模型的基础上,对适用于网络流量预测的支持向量机和神经网络方法进行了研究和探讨,并结合混沌理论与小波分析理论提出了新型流量预测模型的构建方法。本文的主要工作与贡献如下:其一,提出了一种基于相空间重构的长短期记忆流量预测模型。该模型融合了混沌理论中的相空间重构方法,将流量序列还原到高维空间,并通过重构后的流量序列构建样本数据。设计了一种长短期记忆循环神经网络,以此学习流量序列的非线性特征,完成流量预测模型的构建。实验结果表明,相比基于BP神经网络和基于Elman神经网络的预测模型,基于长短期记忆神经网络的预测模型具有更高的预测精度。其二,提出了一种基于小波分解与重构的混合流量预测模型。该模型融合了小波分析理论中的离散小波分解与重构方法,将流量序列的趋势及波动特征分散到不同的分量序列中。依据支持向量机和神经网络方法对每一个分量序列构建了分量模型,设计了分量模型中的数据分割方法、模型训练方法与序列预测方法。通过比较预测误差选取了最优的分量模型,最后使用小波重构对各分量模型的预测结果进行了整合。实验结果表明,混合流量预测模型具有较高的预测精度,且分量模型择优的方法能够有效地提高分解重构模型的预测准确性。上述两个模型分别基于短期的网络流量与长期的网络流量构建。前者适用于具有突发性的短期流量,对实时的网络流量预测具有一定的借鉴意义;后者适用于具有周期性变化及波动特征的流量,对长期的网络流量预测具有一定的理论与应用价值。
赵云[7]（2019）在《中国股市的非线性动力学特征与可预测性研究》文中研究指明股票市场作为一国宏观经济的“晴雨表”,在国民经济中占据要位。21世纪以来,我国股市取得了长足发展,但也面临很多难以解决的问题。为此,正确认识中国股市,探索其运动规律就显得尤为重要。随着传统线性资本市场理论陷入无法解释大量股市“异象”的窘境,以混沌、分形为代表的非线性科学逐步发展起来,这也为股市运动规律的研究打开了新的思路。基于此背景,本文从非线性科学的理论视角出发,对我国股票市场的非线性动力学特征及可预测性问题进行研究。首先,从投资者行为、政策规则、外界环境三个角度系统梳理了影响股价变化的主要动力因素。通过分析,明确所有动力学因素都是非线性的,它们相互关联、相互影响,彼此扭结在一起,共同决定了股票市场的非线性运动。其次,利用反馈原理,从整体上定性分析了动力因素作用于股价运动的非线性反馈机制,从中发现股价运动经常表现为正反馈,在较长时间内又表现为一定负反馈的特点;同时由于反馈机制的存在,使得股价运动在时间上具有记忆性和趋势性,表现出类似分形和混沌的动力学特征。再次,采用BDS检验、R/S分析、混沌参数计算等方法,对我国沪深两市股指序列的动力学特征进行定量分析,证明了我国股票市场非线性、混沌、分形等特征的存在。最后,在理解股市价格运动规律的基础上,采用线性思维范式下的ARIMA模型与非线性思维范式下的局域预测法（零阶局域预测法、加权零阶局域预测法）对上证综指序列进行预测尝试,并针对股市的可预测性问题展开讨论。
范忠国[8]（2018）在《城市道路交通流特性分析及短时交通流量预测模型研究》文中认为随着城市化进程的加快,伴随而来的交通问题愈发严重。智能交通系统在智慧城市建设中缓解交通问题发挥着重要作用,而掌握交通流特性并对其准确预测是实现智能交通系统对交通流高效诱导和管理控制改善交通的关键。因此,结合交通流特性构建高精度短时交通流预测模型,一直是交通领域研究的热点。本文通过对国内外交通流预测模型的研究现状进行归纳总结,以及对高斯过程回归在风速预测、电荷预测等领域广泛应用的研究,针对传统高斯过程回归模型中共轭梯度算法优化超参数时对初值依赖性强、易陷入局部最优等缺点,以期采用全局寻优能力强的粒子群优化算法,综合考虑交通流数据的时间序列混沌特性以及时空相关特性分别构建改进高斯过程回归预测模型,获得高精度的未来时段交通流信息。为出行者提供可靠的出行信息,提高道路通行效率和人们出行质量,为缓解交通问题提供理论支持。首先,对城市道路交通流特性进行分析,采用混沌特性定量判定指标分析交通流时间序列的混沌特性。从时间维度基于相关性理论分析交通流的日相关性、周相似性和序列的自相关性;从空间维度分析单向各车道的横向相关性和研究断面相邻上下游断面之间的纵向相关性,为结合交通流特性建立短时交通流预测模型奠定基础。然后,针对交通流时间序列的混沌特性,采用C-C法确定原始时间序列的最佳延迟时间和嵌入维数,对其进行相空间重构。利用粒子群算法优化高斯过程回归模型超参数,以相空间重构数据作为预测模型的训练集和测试集,构建基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型,并采用北京东四环道路检测器实测数据用多个指标对比分析模型预测效果。最后,根据交通流时空相关性分析结果,探究时空维度变化规律及演化过程,考虑交通流序列在时间维度的相似性,以及在空间维度上研究断面与相邻上下游路段之间的关联性,建立融合不同时空信息的模型输入数据集,构建基于时空数据融合的改进高斯过程回归预测模型。以北京四环道路布设检测器采集数据为基础,对不同时空维度输入集通过模型得到的预测结果对比分析,验证模型的有效性和准确性,表明考虑交通流时空相关特性构建的模型能够进一步提高短时交通流预测精度。
张淼[9]（2018）在《基于混沌的图像加密压缩算法的研究》文中研究说明数字图像因其能够较为形象地传递信息而被广泛应用于人们的生活中,并成为现代通信领域重要的信息载体。然而,图像的数据量庞大且存在冗余,同时存储和传输过程中容易泄露信息。为了提高图像数据的存储、传输效率及安全性,对图像进行压缩和加密非常必要。将图像的加密和图像的压缩结合在一起同步完成可以带来设计上的灵活和计算上的简化。同时,加密和压缩混合完成,可以更好的保证安全性。然而,由于图像加密是对图像进行扩散和混淆,会破坏像素之间的相关性,而图像的压缩需要利用图像的相关性以去除冗余。因此,二者之间存在明显的矛盾。如何将二者的矛盾降低到最低限度,既能保证良好的压缩性能,又能保证良好的加密效果,将二者很好的结合起来是一个十分有意义的课题。混沌作为一种自由度很高的非线性动态系统,其良好的密码学特性使得基于混沌的密码系统具有良好的随机性。同时,混沌运动所存在的确定性,令其在密码领域容易实现,计算代价较低,非常适合大数据量的图像的加密处理。本文基于混沌理论,在图像压缩加密联合研究上做了以下几方面工作:（1）超混沌系统及伪随机序列产生算法。混沌系统的理论研究是保证混沌加密算法安全性的前提,同时计算机精度的限制使得低维混沌系统容易出现性能退化问题,影响了加密的安全性。本文针对这一需求,首先研究了超混沌系统的理论,通过增加线性和非线性状态反馈控制器构造五维超混沌系统并分析了其动力学特性。生成混沌系统,即混沌反控制或混沌化,用于密码学领域是一个十分重要的课题。超混沌系统动力学行为更加复杂,比低维混沌有明显的优势,生成的混沌序列依赖更多的参数和初值,其动态行为难以预测。构造的五维超混沌系统的最大Lyapunov指数大于很多经典的超混沌系统,具有更显着的混沌行为,更加适合应用到图像加密中。其次,在保证超混沌序列的非线性、随机性等特性的基础上,通过线性反馈移位寄存器（LFSR）的长周期特性来扰动超混沌序列构造了性能良好的伪随机序列发生器,有效地解决了离散化后的混沌序列的周期退化。最后,将设计的超混沌密码应用于多种压缩图像格式的图像加密中,算法采用双向扩散和基于超混沌动态分块的三维面包师置乱保证了安全性和效率。（2）图像有损压缩加密联合算法。在有损压缩加密联合算法方面,首先研究了基于离散余弦变换（discrete cosine transform,DCT）的图像压缩加密联合算法。DCT变换运行速度快,在图像处理领域得到了广泛应用。基于DCT的特点和超混沌系统,设计了能同时处理两幅图像的有损图像压缩与加密联合方法。方法将量化后的系数分组分别加密,从而实现了完全加密又降低了对压缩性能的影响,有效地解决了基于DCT的压缩加密联合算法不能很好地兼顾安全性和压缩性能的问题。其次,研究了基于曲波变换的图像压缩加密联合算法。曲波变换作为一种多尺度变换,和小波变换相比,具有良好的方位特性,更适合表现图像的曲线细节特征。然而,目前基于曲波变换的压缩处理都没有考虑安全性或者是压缩与加密分开处理。基于曲波变换的特点设计了量化矩阵,根据量化矩阵对曲波系数不同尺度和不同方向的曲波系数进行阈值处理,游程编码,基于超混沌系统的加密和Huffman编码,实现了加密和压缩的联合处理,有效地实现了完全加密的安全的曲波变换压缩方法。（3）基于内插双正交整数小波变换（interpolating the biorthogonal integer wavelet transform,IB-IWT）和多级树集合分裂算法（set partitioning in hierarchical trees,SPIHT）的无损图像压缩加密联合算法。在无损压缩加密联合算法方面,针对目前没有很好的适合于图像的无损压缩加密联合算法的问题,研究了基于IB-IWT和SPIHT的图像无损压缩加密算法。与其他的基于提升方法的整数小波变换相比,IB-IWT仅有两个提升步骤,减少了浮点运算的次数,非常适合实时无损图像压缩。算法在小波系数、SPIHT编码和码流上实现了基于超混沌系统的加密处理。提出的将加密融合进SPIHT排序扫描过程中的安全SPIHT编码（Secure SPIHT,SSPIHT）在增加安全性的同时没有对压缩性能造成影响。在加密算法上,将非线性操作即基于有限域Z65537上逆操作引入扩散过程以抵抗攻击。方法有效地实现了面向图像的无损压缩加密联合处理。（4）基于预测模式的CALIC图像无损压缩加密联合算法。在无损压缩加密联合算法方面,针对图像像素之间相关度比较高的情况,研究了基于CALIC图像压缩加密联合算法。CALIC具有易于实现和良好的无损压缩性能,却没有考虑安全性。首先研究了CALIC的编码原理,论述并评价了系统编码过程的可加密部分:GAP像素预测值、最终残差、预测模式需要的两行明文像素和熵编码码流。之后根据四个部分编码的不同特点,基于超混沌系统设计了相适应的加密方法。设计的方法有效地实现了图像的安全CALIC编码,在压缩比损失较小的情况下增加了安全性。
刘薇[10]（2017）在《基于混沌的神经网络与分形插值的汇率组合预测研究》文中提出汇率的有效预测不但能够影响本国与别国的经济与贸易,同时能够防范国际性金融危机的发生或减少所造成的损失。传统的研究方法和模型,不能够充分的解释汇率波动这样的复杂非线性系统,混沌在非线性研究中占有重要地位,本文试图利用混沌理论对汇率行为进行研究,充分挖掘混沌对复杂非线性系统的解释与预测能力,以期达到提高汇率预测精度的目的,以此来指导国家宏微观各主体的经济活动和行为。本文以混沌理论为基础,同时将神经网络和分形插值法应用于汇率时间序列的研究与预测中。根据货币的活跃程度不同选取三个具有代表性的货币对,美元兑人民币、英镑兑人民币、加元兑人民币。首先,借助于图示法和指标法对其进行统计性描述,并进行非线性特征分析。然后,利用C-C算法求得三个汇率时间序列的时间延迟、嵌入维数以此来重构相空间,在此基础之上,利用wolf算法和G-P算法分别求出最大Lyapunov指数和分形维数,对汇率的混沌特性进行验证。在确定汇率系统的混沌性之后,根据汇率的混沌特征来分别建立神经网络和分形插值预测模型。神经网络的构建是将混沌系统重构相空间的最佳嵌入维作为输入层的神经元数,并将重构相空间中的时序向量作为神经元的输入量;分形插值模型中的垂直比例因子则根据分形维数计算求得。最后,在分别利用两个模型进行预测的基础上,根据较大误差在组合预测模型中占比较小的原则进行动态组合预测的实证研究。本文通过对三个人民币汇率的统计性描述得出,汇率时间序列不服从正态分布,具有非线性特征。同时,求得的三个最大Lyapunov指数都为正数,而分形维数都为较小的分数,这表明三个汇率序列都为对初始条件都具有敏感性的低维混沌系统。以混沌理论为基础的汇率组合预测模型在有效利用混沌对复杂系统解释能力的同时,能将神经网络的非线性逼近能力以及分形插值对不光滑曲线的拟合能力结合应用。预测结果表明,组合预测模型能够保留单个预测模型的优势的同时降低单个模型的缺点在预测中的影响,预测精度得到有效提高。
二、以混沌理论为基础的神经网络预测方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、以混沌理论为基础的神经网络预测方法（论文提纲范文）
（1）风电场短期风速及风功率预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 课题研究的背景与意义 |
| 1.3 风功率预测分类 |
| 1.4 风电场风速及风功率预测技术研究进展 |
| 1.5 论文的主要内容和章节安排 |
| 第二章 基于多尺度递归理论的风速时间序列分析 |
| 2.1 引言 |
| 2.2 混沌理论 |
| 2.3 相空间重构理论 |
| 2.3.1 延迟时间的选择 |
| 2.3.2 嵌入维数的选择 |
| 2.4 风速时间序列混沌特性识别 |
| 2.4.1 混沌特征识别方法 |
| 2.4.2 风速时间序列混沌特征识别实证 |
| 2.5 基于递归理论多尺度的风速时间序列分析 |
| 2.5.1 理论基础 |
| 2.5.2 实测风速时间序列分析 |
| 2.6 本章小结 |
| 第三章 基于CEEMDAN-PSR-GRU的短期风速预测 |
| 3.1 引言 |
| 3.2 深度门控循环神经网络 |
| 3.2.1 门控循环神经网络 |
| 3.2.2 模型优化技术 |
| 3.2.3 激活函数 |
| 3.2.4 优化器 |
| 3.3 构建预测模型及模型评价标准 |
| 3.3.1 基于CEEMDAN-PSR-GRU的短期风速组合预测模型 |
| 3.3.2 模型评价标准 |
| 3.4 算例及结果分析 |
| 3.4.1 GRU参数确定 |
| 3.4.2 数据输入和输出的结构 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第四章 风电场短期功率预测 |
| 4.1 引言 |
| 4.2 变点分组-四分位法数据清洗方法 |
| 4.2.1 变点分组法原理 |
| 4.2.2 四分位法原理 |
| 4.2.3 数据清洗流程 |
| 4.3 Elman-Adaboost模型(AElman) |
| 4.4 算例及结果分析 |
| 4.4.1 数据处理 |
| 4.4.2 预测与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录 A 发表的论文 |
| 附录 B 参与科研项目 |
（2）正交频分复用无源光网络物理层安全防护技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 光接入网面临的安全威胁 |
| 1.3 光接入网安全性增强技术 |
| 1.4 正交频分复用无源光网络系统 |
| 1.5 正交频分复用无源光网络物理层安全 |
| 1.6 主要内容及工作安排 |
| 2 安全防护技术中的相关理论与安全性评价方法 |
| 2.1 混沌理论与密码学 |
| 2.2 基于数字混沌安全防护技术的安全性评价方法 |
| 2.3 小波变换和卷积神经网络理论基础 |
| 2.4 基于小波变换和神经网络的身份认证技术安全性评价方法 |
| 2.5 本章小结 |
| 3 基于上下行明文互扰机制的定点数字混沌加密 |
| 3.1 总体方案和基本原理 |
| 3.2 定点数字混沌系统动力学特性改善 |
| 3.3 结果分析 |
| 3.4 基于动态魔方变换的星座图置换安全性增强 |
| 3.5 结果分析 |
| 3.6 方案对比与讨论 |
| 3.7 本章小结 |
| 4 基于OFDM混沌导频信号的密钥隐匿分发 |
| 4.1 总体方案和基本原理 |
| 4.2 基于OFDM导频冗余的密钥隐匿分发 |
| 4.3 结果分析 |
| 4.4 方案对比与讨论 |
| 4.5 本章小结 |
| 5 基于小波变换和卷积神经网络的硬件指纹识别身份认证 |
| 5.1 总体方案和基本原理 |
| 5.2 基于ONU硬件指纹的物理层身份认证 |
| 5.3 结果分析 |
| 5.4 方案对比与讨论 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的论文目录 |
| 附录2 论文中英文缩写简表 |
（3）基于数据融合和AE-ELM的多变量瓦斯浓度预测（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 引言 |
| 1.1 论文的研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 瓦斯浓度及其变化趋势预测国内外研究现状 |
| 1.3 现有预测方法中存在的问题及改进 |
| 1.4 论文的主要研究内容和结构安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文的结构安排 |
| 1.5 本章小结 |
| 第二章 初级数据融合与相空间重构理论 |
| 2.1 引言 |
| 2.2 井下数据的采集与预处理 |
| 2.3 多传感器数据初级融合 |
| 2.3.1 数据融合理论 |
| 2.3.2 数据融合的类型 |
| 2.3.3 时序数据初级融合 |
| 2.4 相关性分析与输入变量选择 |
| 2.5 输入数据的相空间重构 |
| 2.5.1 混沌理论 |
| 2.5.2 判别混沌性 |
| 2.5.3 相空间重构 |
| 2.6 本章小结 |
| 第三章 AE-ELM瓦斯浓度预测模型 |
| 3.1 引言 |
| 3.2 人工神经网络理论 |
| 3.3 自编码器 |
| 3.3.1 自编码器介绍 |
| 3.3.2 自编码器的结构与训练方法 |
| 3.4 极限学习机 |
| 3.5 AE-ELM预测模型 |
| 3.6 结果分析 |
| 3.6.1 仿真实验设置 |
| 3.6.2 结果对比 |
| 3.7 本章小结 |
| 第四章 基于多变量的模糊信息粒化预测 |
| 4.1 引言 |
| 4.2 模糊集与信息粒化理论 |
| 4.2.1 模糊集 |
| 4.2.2 信息粒化理论 |
| 4.3 模糊信息粒化 |
| 4.4 多变量模糊信息粒化预测模型 |
| 4.4.1 算法整体流程图 |
| 4.4.2 具体计算过程 |
| 4.5 结果分析 |
| 4.5.1 仿真实验设置 |
| 4.5.2 结果对比 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（4）基于时空特性的城市快速路短时交通流预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通流预测研究数据的发展 |
| 1.2.2 城市道路短时交通流预测 |
| 1.2.3 基于时空关联的短时交通流预测 |
| 1.2.4 国内外研究现状总结 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 基于Python的交通态势数据采集及预处理 |
| 2.1 基于Python的网络爬虫原理 |
| 2.1.1 网络爬虫的原理和架构 |
| 2.1.2 基于Python的网络爬虫的优势 |
| 2.2 交通态势数据的获取 |
| 2.2.1 交通态势数据平台的选择 |
| 2.2.2 基于Python的高德交通态势数据的获取 |
| 2.3 数据处理 |
| 2.3.1 数据清洗 |
| 2.3.2 数据修复 |
| 2.4 平均行程速度的计算 |
| 2.5 数据归一化处理 |
| 2.6 数据降噪 |
| 2.7 本章小结 |
| 第三章 城市快速路交通流特性分析 |
| 3.1 交通流特性分析 |
| 3.1.1 交通流基本特征参数 |
| 3.1.2 交通流三参数模型 |
| 3.2 交通流时空特性分析 |
| 3.2.1 相关性分析理论 |
| 3.2.2 交通流数据时间相关性分析 |
| 3.2.3 交通流数据时间序列分析 |
| 3.2.4 交通流数据空间相关性分析 |
| 3.3 交通流预测方法 |
| 3.3.1 短时交通流预测方法概述 |
| 3.3.2 交通流预测方法选择 |
| 3.3.3 交通流预测评价指标 |
| 3.4 本章小结 |
| 第四章 基于时空关联的短时交通流预测 |
| 4.1 人工神经网络 |
| 4.1.1 神经元 |
| 4.1.2 网络结构分类 |
| 4.1.3 BP神经网络 |
| 4.2 小波分析 |
| 4.2.1 小波分析基本原理 |
| 4.2.2 常用的小波函数 |
| 4.3 小波神经网络模型 |
| 4.3.1 小波神经网络类型 |
| 4.3.2 小波神经网络原理 |
| 4.4 小波神经网络预测模型建立 |
| 4.4.1 时间-空间状态向量构建 |
| 4.4.2 参数控制 |
| 4.4.3 算法实现 |
| 4.5 本章小结 |
| 第五章 实例分析 |
| 5.1 基于状态向量A的预测模型 |
| 5.1.1 模型参数设置 |
| 5.1.2 模型评价 |
| 5.2 基于状态向量B的预测模型 |
| 5.2.1 模型参数设置 |
| 5.2.2 模型评价 |
| 5.3 基于状态向量C的预测模型 |
| 5.3.1 模型参数设置 |
| 5.3.2 模型评价 |
| 5.4 基于状态向量D的预测模型 |
| 5.4.1 模型参数设置 |
| 5.4.2 模型评价 |
| 5.5 模型总结 |
| 5.6 本章小结 |
| 结论与展望 |
| 研究成果 |
| 研究展望 |
| 参考文献 |
| 致谢 |
（5）产品色彩意象系统的混沌性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 相关研究现状综述 |
| 1.2.1 混沌理论 |
| 1.2.2 本体论 |
| 1.2.3 感性工学 |
| 1.2.4 产品色彩意象 |
| 1.2.5 汽车色彩设计 |
| 1.3 研究内容和组织结构 |
| 1.3.1 研究内容 |
| 1.3.2 组织结构 |
| 第2章 产品色彩意象的信息挖掘 |
| 2.1 色彩学 |
| 2.1.1 色彩 |
| 2.1.2 色彩的视觉感知 |
| 2.1.3 产品色彩的语意表达 |
| 2.2 网络数据爬取 |
| 2.2.1 大数据环境下的用户色彩感性需求 |
| 2.2.2 网络爬虫 |
| 2.3 文本数据分析 |
| 2.3.1 自然语义分析 |
| 2.3.2 产品色彩意象词汇库建立 |
| 2.4 实例研究 |
| 2.4.1 大数据背景下汽车色彩意象网络文本收集 |
| 2.4.2 汽车色彩意象语意信息获取 |
| 2.5 本章小结 |
| 第3章 产品色彩意象系统的吸引子提取 |
| 3.1 产品色彩意象本体 |
| 3.1.1 产品色彩意象知识表征 |
| 3.1.2 产品色彩意象本体模型 |
| 3.2 产品色彩意象本体关系解析 |
| 3.2.1 词汇相似度计算 |
| 3.2.2 层级关系解析 |
| 3.3 产品色彩意象本体的视觉化 |
| 3.4 产品色彩意象系统的吸引子提取 |
| 3.4.1 吸引子 |
| 3.4.2 产品色彩的品牌意象 |
| 3.4.3 意象熵 |
| 3.5 实例研究 |
| 3.5.1 汽车色彩意象本体概念集 |
| 3.5.2 汽车色彩意象本体关系 |
| 3.5.3 汽车色彩意象本体的视觉化 |
| 3.5.4 汽车色彩的品牌意象 |
| 3.5.5 验证 |
| 3.6 本章小结 |
| 第4章 产品色彩意象系统的混沌性判别 |
| 4.1 复杂系统混沌性判别方法 |
| 4.1.1 直接观察法 |
| 4.1.2 定量分析法 |
| 4.2 吸引子驱动下的时间序列获取 |
| 4.2.1 感知的时间维度 |
| 4.2.2 色彩的时间特性 |
| 4.2.3 时间序列 |
| 4.2.4 品牌意象驱动下汽车色彩时间序列的解析 |
| 4.3 产品色彩意象系统混沌性判别特征量计算 |
| 4.4 实例研究 |
| 4.4.1 获取汽车色彩意象的时间序列 |
| 4.4.2 最大Lyapunov指数计算 |
| 4.4.3 产品色彩意象系统的混沌性分析 |
| 4.5 本章小结 |
| 第5章 产品色彩意象混沌系统的色彩趋势预测 |
| 5.1 产品色彩趋势 |
| 5.1.1 流行色 |
| 5.1.2 产品色彩趋势预测 |
| 5.2 时间序列分析预测方法 |
| 5.2.1 神经网络 |
| 5.2.2 灰色模型 |
| 5.2.3 灰色神经网络模型 |
| 5.3 产品色彩趋势预测模型 |
| 5.3.1 原始数据获取 |
| 5.3.2 基于灰色神经网络模型的产品色彩趋势预测 |
| 5.3.3 预测结果解析 |
| 5.4 实例研究 |
| 5.4.1 汽车色彩时间序列数据获取 |
| 5.4.2 基于灰色神经网络模型的汽车色彩趋势预测 |
| 5.4.3 汽车外观色彩趋势预测结果解析 |
| 5.5 本章小结 |
| 第6章 基于产品色彩趋势的设计决策 |
| 6.1 产品色彩意象评价 |
| 6.1.1 产品色彩语意挖掘方法 |
| 6.1.2 产品色彩设计要素与产品色彩意象之间关联计算方法 |
| 6.2 产品色彩设计要素解构 |
| 6.3 产品色彩意象与色彩设计要素之间的关联性分析 |
| 6.3.1 产品色彩意象的量化提取 |
| 6.3.2 产品色彩意象与产品色彩设计要素之间的关联计算 |
| 6.4 实例研究 |
| 6.4.1 获取研究样本 |
| 6.4.2 研究样本色彩解构 |
| 6.4.3 中档型·三厢轿车外观色彩意象评价 |
| 6.4.4 中档型·三厢轿车外观色彩意象与色彩设计要素的关联 |
| 6.4.5 中档型·三厢轿车外观色彩设计知识库 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间撰写的学术成果 |
| 附录 |
（6）基于LSTM和小波变换的网络流量预测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第2章 相关理论与分析研究 |
| 2.1 网络流量特性 |
| 2.1.1 自相似性 |
| 2.1.2 长相关性 |
| 2.1.3 周期性 |
| 2.1.4 混沌性 |
| 2.2 传统流量预测模型 |
| 2.2.1 泊松模型 |
| 2.2.2 马尔可夫模型 |
| 2.2.3 ARIMA模型 |
| 2.3 支持向量机理论 |
| 2.3.1 支持向量机模型概述 |
| 2.3.2 支持向量回归算法 |
| 2.4 神经网络理论 |
| 2.4.1 BP神经网络 |
| 2.4.2 RBF神经网络 |
| 2.4.3 Elman神经网络 |
| 2.4.4 循环神经网络 |
| 2.5 本章小结 |
| 第3章 基于相空间重构的LSTM流量预测模型 |
| 3.1 建模思想 |
| 3.2 混沌理论 |
| 3.2.1 混沌特性描述 |
| 3.2.2 相空间重构技术 |
| 3.3 基于相空间重构的LSTM模型设计 |
| 3.3.1 相空间重构流量序列 |
| 3.3.2 长短期记忆神经元结构 |
| 3.3.3 相空间重构循环神经网络设计 |
| 3.3.4 相空间重构流量预测模型设计 |
| 3.4 实验过程与结果 |
| 3.4.1 实验内容介绍 |
| 3.4.2 实验过程描述 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第4章 基于小波分解与重构的混合流量预测模型 |
| 4.1 建模思想 |
| 4.2 小波分析理论 |
| 4.3 分解重构预测模型设计 |
| 4.3.1 模型整体结构设计 |
| 4.3.2 流量序列分解重构算法 |
| 4.3.3 分量预测模型设计 |
| 4.4 实验过程与结果 |
| 4.4.1 实验内容介绍 |
| 4.4.2 实验过程描述 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（7）中国股市的非线性动力学特征与可预测性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状简评 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 相关理论与方法 |
| 2.1 非线性动力学的相关概念 |
| 2.1.1 非线性动力学 |
| 2.1.2 非线性动力系统 |
| 2.2 非线性动力学分析的相关理论 |
| 2.2.1 分形理论 |
| 2.2.2 混沌理论 |
| 2.3 非线性动力学分析的相关方法 |
| 2.3.1 相空间重构 |
| 2.3.2 BDS检验 |
| 2.3.3 重标极差(R/S)分析法 |
| 2.4 相关股市预测方法 |
| 2.4.1 博克斯-金肯斯预测技术 |
| 2.4.2 局域预测法 |
| 2.5 本章小结 |
| 第3章 股票市场的非线性动力学因素分析 |
| 3.1 影响股价变化的动力因素 |
| 3.1.1 投资者行为 |
| 3.1.2 政策规则 |
| 3.1.3 外部环境 |
| 3.2 股价运动的非线性反馈机制 |
| 3.2.1 反馈机制 |
| 3.2.2 股票价格运动的动力机制 |
| 3.2.3 我国股市反馈现象举例 |
| 3.3 本章小结 |
| 第4章 中国股市的非线性动力学特征分析 |
| 4.1 股票市场的非线性特征 |
| 4.1.1 正态性检验 |
| 4.1.2 单位根检验 |
| 4.1.3 序列相关检验 |
| 4.1.4 BDS非线性检验 |
| 4.2 股票市场的分形特征 |
| 4.2.1 对中国股市分形特征的初步认识 |
| 4.2.2 R/S分析的基本做法 |
| 4.2.3 分形特征的R/S检验 |
| 4.3 股票市场的混沌特征 |
| 4.3.1 关联维数 |
| 4.3.2 李雅普诺夫指数 |
| 4.3.3 混沌特征的参数计算 |
| 4.4 本章小结 |
| 第5章 中国股市的可预测性分析 |
| 5.1 线性思维范式下的ARIMA模型预测 |
| 5.1.1 基本步骤和方法 |
| 5.1.2 ARIMA模型的构建 |
| 5.1.3 模型应用与结果分析 |
| 5.2 非线性思维范式下的局域法预测 |
| 5.2.1 零阶局域法 |
| 5.2.2 加权零阶局域法 |
| 5.2.3 基于两种方法的算例分析 |
| 5.3 两类模型预测效果的对比分析 |
| 5.3.1 预测精度指标 |
| 5.3.2 预测结果对比 |
| 5.4 股票市场的可预测性讨论 |
| 5.4.1 可预测性的理论说明 |
| 5.4.2 可预测性的实证说明 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
（8）城市道路交通流特性分析及短时交通流量预测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状及存在问题 |
| 1.3.1 短时交通流预测模型研究综述 |
| 1.3.2 基于短时交通流特性的预测模型研究现状 |
| 1.3.2.1 基于交通流混沌特性的预测研究 |
| 1.3.2.2 基于时空融合的短时交通流预测研究 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 交通流数据概述及预处理 |
| 2.1 数据采集 |
| 2.2 数据预处理 |
| 2.2.1 数据修复 |
| 2.2.2 数据降噪 |
| 2.2.3 数据归一化 |
| 2.3 本章小结 |
| 第三章 交通流相关特性分析及混沌特性识别 |
| 3.1 交通流特征参数分析 |
| 3.1.1 交通流基本特征参数 |
| 3.1.2 特征参数相互关系 |
| 3.2 交通流时间和空间相关性分析 |
| 3.2.1 相关性分析理论 |
| 3.2.2 交通流时间相关性分析 |
| 3.2.3 交通流空间相关性分析 |
| 3.2.3.1 交通流横向相关性 |
| 3.2.3.2 交通流纵向相关性 |
| 3.3 交通流混沌特性识别与分析 |
| 3.3.1 混沌理论 |
| 3.3.1.1 混沌概念 |
| 3.3.1.2 混沌的特征 |
| 3.3.2 相空间重构 |
| 3.3.3 交通流混沌特性识别 |
| 3.3.3.1 最大Lyapunov指数 |
| 3.3.3.2 关联维数 |
| 3.3.3.3 Kolmogorov熵 |
| 3.3.4 实例分析 |
| 3.4 本章小结 |
| 第四章 基于相空间重构和PSO-GPR的短时交通流量预测及对比分析 |
| 4.1 基于相空间重构和PSO-GPR的短时交通流预测模型 |
| 4.1.1 高斯过程回归理论 |
| 4.1.2 粒子群优化算法 |
| 4.1.3 模型的输入和输出 |
| 4.1.4 模型预测流程 |
| 4.1.5 预测结果评价指标 |
| 4.2 实例分析 |
| 4.2.1 数据来源 |
| 4.2.2 相空间重构 |
| 4.2.3 模型训练与优化 |
| 4.2.4 模型预测结果 |
| 4.3 对比模型 |
| 4.3.1 支持向量机预测模型 |
| 4.3.2 基于传统高斯过程回归预测模型 |
| 4.3.3 基于相空间重构和传统高斯过程回归预测模型 |
| 4.4 不同模型预测结果对比分析 |
| 4.5 本章小结 |
| 第五章 时空数据融合的改进高斯过程回归短时交通流预测模型 |
| 5.1 交通流时空数据融合 |
| 5.2 模型预测流程 |
| 5.3 实例分析 |
| 5.3.1 数据来源 |
| 5.3.2 时空相关性分析及数据融合 |
| 5.3.3 模型训练与参数优化 |
| 5.3.4 结果分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 创新点和展望 |
| 6.2.1 创新点 |
| 6.2.2 展望 |
| 参考文献 |
| 攻读硕士学位期间所取得的相关科研成果 |
| 致谢 |
（9）基于混沌的图像加密压缩算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 混沌理论研究 |
| 1.2.1 混沌定义与动力学特征 |
| 1.2.2 混沌运动的分析方法 |
| 1.2.3 混沌密码学 |
| 1.3 图像压缩编码技术研究 |
| 1.3.1 统计编码 |
| 1.3.2 面向变换域的图像编码 |
| 1.3.3 预测编码 |
| 1.4 课题国内外研究现状 |
| 1.4.1 基于混沌的图像加密技术研究现状 |
| 1.4.2 图像压缩技术研究现状 |
| 1.4.3 图像压缩加密联合技术研究现状及分析 |
| 1.4.4 国内外研究现状存在问题分析 |
| 1.5 评价方法与评价指标 |
| 1.5.1 安全性能评价 |
| 1.5.2 压缩性能评价 |
| 1.5.3 运行效率评价 |
| 1.6 本文的主要研究内容与章节安排 |
| 第2章 超混沌系统构造及伪随机序列产生算法 |
| 2.1 引言 |
| 2.2 超混沌系统构造及分析 |
| 2.2.1 超混沌系统构造 |
| 2.2.2 超混沌系统性能分析 |
| 2.3 基于超混沌的伪随机序列产生算法 |
| 2.3.1 基于超混沌的伪随机序列产生 |
| 2.3.2 基于超混沌的伪随机序列性能分析 |
| 2.4 超混沌密码在多种格式图像加密中的应用 |
| 2.4.1 整体方案设计 |
| 2.4.2 加密设计 |
| 2.4.3 身份校验设计 |
| 2.4.4 实验结果与安全性分析 |
| 2.5 本章小结 |
| 第3章 图像有损压缩加密联合算法研究 |
| 3.1 引言 |
| 3.2 基于DCT图像压缩加密联合算法研究 |
| 3.2.1 DCT原理 |
| 3.2.2 整体方案设计 |
| 3.2.3 加密设计 |
| 3.2.4 实验结果与安全性分析 |
| 3.3 基于曲波变换的图像压缩加密联合算法研究 |
| 3.3.1 整体方案设计 |
| 3.3.2 基于曲波变换的压缩设计 |
| 3.3.3 加密设计 |
| 3.3.4 实验结果与安全性分析 |
| 3.4 本章小结 |
| 第4章 基于IWT和 SPIHT的图像无损压缩加密联合算法研究 |
| 4.1 引言 |
| 4.2 IWT和 SPIHT原理 |
| 4.2.1 整数小波变换 |
| 4.2.2 SPIHT编码 |
| 4.3 方案总体框架 |
| 4.3.1 Zp上的逆操作 |
| 4.3.2 小波系数加密 |
| 4.3.3 安全SPIHT编码 |
| 4.3.4 SPIHT码流加密 |
| 4.4 实验结果与安全性分析 |
| 4.4.1 实验结果 |
| 4.4.2 压缩性能分析 |
| 4.4.3 安全性能分析 |
| 4.4.4 计算复杂度和效率分析 |
| 4.4.5 无损恢复测试 |
| 4.5 本章小结 |
| 第5章 基于CALIC的图像无损压缩加密联合算法研究 |
| 5.1 引言 |
| 5.2 CALIC算法原理 |
| 5.2.1 梯度自适应预测器 |
| 5.2.2 上下文选择和量化 |
| 5.2.3 预测误差的上下文建模 |
| 5.2.4 二进制模式 |
| 5.3 方案总体框架 |
| 5.4 加密设计 |
| 5.4.1 明文像素加密 |
| 5.4.2 熵编码码流加密 |
| 5.4.3 GAP预测值与最终残差加密 |
| 5.5 实验结果与安全性分析 |
| 5.5.1 实验结果 |
| 5.5.2 压缩性能评估 |
| 5.5.3 安全性能分析 |
| 5.5.4 算法容错性分析 |
| 5.5.5 计算复杂度和效率分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（10）基于混沌的神经网络与分形插值的汇率组合预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究创新点 |
| 1.4 研究思路 |
| 第2章 汇率预测的基本理论与模型 |
| 2.1 传统汇率决定理论预测法 |
| 2.1.1 国际借贷理论 |
| 2.1.2 购买力平价理论 |
| 2.1.3 利率平价理论 |
| 2.1.4 资产市场理论 |
| 2.1.5 小结 |
| 2.2 非线性参数预测法 |
| 2.2.1 随机游走模型 |
| 2.2.2 ARIMA模型 |
| 2.2.3 ARCH族模型 |
| 2.2.4 小结 |
| 2.3 非线性非参数预测法 |
| 2.3.1 小波分析法 |
| 2.3.2 支持向量机 |
| 2.3.3 遗传算法 |
| 2.3.4 神经网络 |
| 2.3.5 混沌与分形 |
| 2.3.6 组合预测 |
| 2.3.7 小结 |
| 2.4 本章小结 |
| 第3章 基于混沌理论的组合预测模型的建立 |
| 3.1 原始数据预处理 |
| 3.2 数据统计性描述 |
| 3.3 混沌与分形特征识别 |
| 3.3.1 相空间重构 |
| 3.3.2 Lyapunov指数 |
| 3.3.3 分形维 |
| 3.4 组合预测模型的建立 |
| 3.4.1 基于混沌理论的神经网络预测模型 |
| 3.4.2 基于分形理论的分形插值预测模型 |
| 3.4.3 组合预测模型 |
| 3.5 本章小结 |
| 第4章 汇率组合预测的案例研究 |
| 4.1 数据选取与预处理 |
| 4.2 人民币汇率的统计性描述 |
| 4.3 人民币汇率的混沌与分形特征判别 |
| 4.4 基于混沌理论的神经网络的汇率预测 |
| 4.5 基于分形插值法的汇率预测 |
| 4.6 汇率的组合预测 |
| 4.7 本章小结 |
| 第5章 研究成果与结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
四、以混沌理论为基础的神经网络预测方法（论文参考文献）
- [1]风电场短期风速及风功率预测研究[D]. 王凯. 昆明理工大学, 2021(01)
- [2]正交频分复用无源光网络物理层安全防护技术研究[D]. 李珊珊. 华中科技大学, 2020(01)
- [3]基于数据融合和AE-ELM的多变量瓦斯浓度预测[D]. 李欣宇. 太原科技大学, 2020(03)
- [4]基于时空特性的城市快速路短时交通流预测研究[D]. 王梦涛. 长安大学, 2020(06)
- [5]产品色彩意象系统的混沌性研究[D]. 张新新. 华东理工大学, 2020(01)
- [6]基于LSTM和小波变换的网络流量预测模型研究[D]. 鲁海鹏. 北京工业大学, 2019(03)
- [7]中国股市的非线性动力学特征与可预测性研究[D]. 赵云. 燕山大学, 2019(03)
- [8]城市道路交通流特性分析及短时交通流量预测模型研究[D]. 范忠国. 河北工业大学, 2018(06)
- [9]基于混沌的图像加密压缩算法的研究[D]. 张淼. 哈尔滨工业大学, 2018
- [10]基于混沌的神经网络与分形插值的汇率组合预测研究[D]. 刘薇. 华北电力大学, 2017(03)