论文部分内容阅读
本文在分析国内外研究现状的基础上，借助Logistic方程，仿真害虫种群混沌时间序列，并以混沌时间序列的预测为中心着力点，主要完成以下研究及相关编程：（1）分析了农业邻域Logistic方程模型及其混沌性时间序列的生成参数：初始值0.22/[0,1]，4/[3,4]， N400，并在此基础上研究了混沌相关理论，包括根据定义探讨混沌本质，时间序列混沌性判别两个角度：定量分析法和定量计算法等。其中，定量分析法则采用功率谱法、初始条件敏感依赖性分析；绘制给定时间序列功率谱显示时间序列峰连成一片，判定具有混沌性；定量计算法则采用关联维数法、最大Lyapunov指数计算（Wolf法和小数据量法）。上述相关方法均通过MATLAB编程实现，分别计算所得关联维数D21.1111，是非整数；Wolf法计算最大Lyapunov指数10.765030，判定了给定参数的Logistic时间序列具有混沌行为，且小数据量法计算最大Lyapunov指数10.659480，结论相同。比较而言，定量计算法所得判定依据更具说服力，进而为混沌时间序列的预测夯实数据源基础。（2）研究了相空间重构参数的选取问题。嵌入维数的选取，辅助性实现了G-P算法，粗略计算嵌入维数m fix(3.2222)3；延迟时间的选取，重点通过C-C方法。该方法通过计算时间窗口，同时计算出嵌入维数及延迟时间，结果即嵌入维数m3，延迟时间3。根据计算所得嵌入维数及延迟时间，对Logistic混沌时间序列进行相空间重构，为混沌时间序列的预测解构基础数据，解构所得基础数据维度是3394(m M, M N (m1))。（3）构建了基于神经网络的混沌时间序列预测模型。该模型，以C-C方法所求嵌入维数为纽带，沟通了混沌时间序列与神经网络的紧密关系。此模型中，隐含层节点数通过动态比较，选定最优节点数7，构建371拓扑结构的网络；通过280组训练数据，100组测试数据，并采取遗传算法优化BP神经网络的初始权重及阈值，结论证明经遗传算法优化的BP神经网络，不仅能够有效提高网络预测精度，即GA BP:1.1315e07/mse，单一BP:3.116e06/mse，而且一定程度上改善并强化了BP神经网络收敛性，即GA BP: epoch(13)，而单一BP: epoch(23)。（4）在MATLAB编程环境下，开发了基于上述理论的混沌时间序列预测模型系统。该系统涵盖三个子系统，即Logistic方程模型、混沌理论模型及遗传BP算法模型。