基于神经网络的混沌时序数据失真检测方法研究

重庆交通大学学报（自然科学版） ›› 2007, Vol. 26 ›› Issue (6): 162-165.

• • 上一篇

基于神经网络的混沌时序数据失真检测方法研究

王兴家¹，汪晓惠²，赵超¹

1.重庆交通大学交通运输学院，重庆 400074；2.中国石油天燃气第七建设公司，山东青岛 266300

收稿日期:2006-09-13 修回日期:2006-11-08 出版日期:2007-12-15 发布日期:2015-01-22
作者简介:王兴家(1977—)，男，辽宁大连市人，硕士研究生，主要研究方向为车辆智能控制.E-mail:wxjldm@163.com

Study on Distortion Detective Method for Chaotic Time Series Based on Neural Network

WANG Xing-jia¹,WANG Xiao-hui²,ZHA0 Chao¹

1.School of Transportation，Chongqing Jiaotong University，Chongqing 400074，China； 2.The 7th Construction Compary of China National Petroleum Corporation，Shandong Qingdao 266300，China

Received:2006-09-13 Revised:2006-11-08 Online:2007-12-15 Published:2015-01-22

摘要/Abstract

摘要： 介绍了时序数据的混沌识别方法，并根据混沌时序数据的可预测性，提出了一种基于神经网络的混沌时序数据失真检测方法．通过实例证明该方法能准确地检测出混沌时序数据的失真点，并将其还原．该方法既是检测过程同时也是修复的过程，在数据处理领域有一定的应用前景．

关键词: 神经网络, 检测, 混沌

Abstract: The method of chaos identifying for time series is introduced．By virtue of the predictability of chaotic time series，the distortion detective method for chaotic time series based on neural network is presented．Th e practical example demonstrate that the distortion data of chaotic time series can be detected and recovered correctly by this kind of method．The method is not only a detective process but also a recovering process，and the application prospect in the field of data processing is optimistic．

Key words: neural network, detection, chaos

中图分类号:

TP274
TP183

王兴家，汪晓惠，赵超. 基于神经网络的混沌时序数据失真检测方法研究[J]. 重庆交通大学学报（自然科学版）, 2007, 26(6): 162-165.

WANG Xing-jia,WANG Xiao-hui,ZHA0 Chao. Study on Distortion Detective Method for Chaotic Time Series Based on Neural Network[J]. Journal of Chongqing Jiaotong University(Natural Science), 2007, 26(6): 162-165.

[1]	周建庭1,2，黎娅2，张洪2，夏润川2，杨文琦2. 基于自发漏磁检测的钢绞线两点腐蚀试验研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 74-81.
[2]	李广儒，张新，朱庆辉. 基于Adaboost的改进Elman神经网络港口吞吐量预测方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 1-5.
[3]	刘杰. 基于栈式自编码的高速铁路站间客流短期预测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 26-30.
[4]	成卫1，刘翔1，雷建明2. 基于RBF神经网络预测的交叉口信号周期时长优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 13-18.
[5]	刘杰. 基于XGboost模型的城市轨道交通列车运行速度实时异常检测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(03): 49-55.
[6]	李军，张俊，张世义. 基于ABP-EKF算法的锂电池SOC估计[J]. 重庆交通大学学报（自然科学版）, 2021, 40(03): 135-140.
[7]	裴同松1，裴彧2. 基于马尔科夫链-BP神经网络模型对公路运量的预测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 35-41.
[8]	闫佳庆1，邵鹏1，张立立2，王力1. 考虑大型车因素的城市路网交通流速度预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(01): 7-11.
[9]	陈秀新，叶洋，于重重，张雪. 基于深度学习的雾霾天气下交通标志识别[J]. 重庆交通大学学报（自然科学版）, 2020, 39(12): 1-5.
[10]	李鑫鑫1，郑丹1，杨建喜2，蔡昊男1，曾维成3，岳锐强3. 基于GA-BP神经网络的施工区域水质预测及预警模型研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(12): 106-110.
[11]	翁小雄，郝翊. 基于LSTM引入客车占比特征的短时交通流预测[J]. 重庆交通大学学报（自然科学版）, 2020, 39(11): 20-25.
[12]	王华，刘亚辉，闫晓茹. 有轨电车防撞的共轭梯度检测方法[J]. 重庆交通大学学报（自然科学版）, 2020, 39(11): 136-140.
[13]	曹青松，易星，许力. 含饱和非线性的主动悬架系统自适应控制[J]. 重庆交通大学学报（自然科学版）, 2020, 39(10): 126-131.
[14]	李广儒，朱庆辉. 基于Elman神经网络的港口货物吞吐量预测[J]. 重庆交通大学学报（自然科学版）, 2020, 39(06): 8-12.
[15]	曹源文1，周博1，李升连2，杨清华2，白丽萍3. 压实度实时检测技术的研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(04): 80-85.

基于神经网络的混沌时序数据失真检测方法研究

Study on Distortion Detective Method for Chaotic Time Series Based on Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics