论文部分内容阅读
互联网是国家的重要基础设施，预测互联网中的流量和攻击频率具有重要的意义和实用价值。由于互联网是非线性系统，采用混沌时间序列理论进行预测比传统的方法更精确。分析时间序列混沌特征时，首先必须进行相空间重构。目前最为广泛采用的相空间重构方法是基于Takens定理的坐标延迟法。坐标延迟法通过确定时间延迟τ和嵌入维数m来构造相空间。目前，用于估计这两个参数的方法主要以无噪的混沌时间序列为研究对象。然而实际测量得到的时间序列数据不可避免含有噪声，而混杂在混沌动力学系统中的噪声会掩盖混沌系统内在的动力学特性，影响相空间重构时的参数计算。本文首先对各种方法进行了分析，发现有些方法的性能不稳定；有些方法的结果普遍偏大；有些方法的计算量过大。随后本文对导致这些问题产生的原因进行了探讨，并选取几种典型的混沌系统进行数值验证，结果证实了结论的正确性。在各种估计时间延迟的方法中，利用检测混沌系统相关性估计时间延迟参数的方法最为合适。唯一不足的是，该类方法存在结果偏大的缺点，究其原因是此类方法检测的是系统的线性相关性，而混沌系统是非线性的，因此无法准确度量混沌系统的相关性。为此，本文提出一种基于度量混沌系统非线性相关性的时间延迟估计新方法，非线性复自相关法。为准确度量混沌系统的非线性相关性，非线性复自相关法采用一个高次复自相关函数R(τ)检测系统的非线性相关性，即在代数几何意义上，构造了一个与相空间维数相同的一元多次多项式空间，在此空间中计算混沌系统的非线性相关性；为准确估计出混沌系统的时间延迟参数，选择R(τ)的第一个局部极小值点对应的值作为最优时间延迟。选取几种典型混沌系统对该方法进行数值验证，结果表明，对低维混沌系统，在噪声水平达到80%时，所得结果仍然是最佳的时间延迟；对高维混沌系统，在噪声水平达到60%时，所得结果仍然合适；另外，在低维时100数据点的计算结果等于2000数据点的计算结果；对高维混沌系统，噪声水平在20%以下时结果相同，高于20%时相差很小。此外，实验结果表明，随着嵌入维数的增大，利用自相关函数R(τ)估计出的最佳时间延迟存在上下确界。基于这一发现，本文提出了一种可同时估计相空间重构双参数的新方法。该方法对嵌入维数从小到大取值，计算出每个嵌入维数对应的最佳时间延迟，选择曲线趋于稳定的第一个点对应的值作为重构参数。同时，给出了参数难以确定时的数值选取方法。选取另外的混沌系统进行数值验证，结果表明，采用该方法估计出的嵌入维数和时间延迟合适。