导语

  

内容提要

  

    本书旨在介绍作者及其研究团队在非线性时间序列预测方面的最新研究成果。全书共10章，第1、2章为绪论和相关数学基础；第3章为交通流混沌特性分析及其改进的判别方法；第4章为交通流混沌现象产生和转化的机理；第5章为交通流混沌时间序列的建模及预测；第6章为基于混沌理论的高速公路匝道控制；第7～10章分别基于DUPSO算法、AGABC算法和DFP算法求解Volterra模型核系数，并将其应用于语音信号时间序列的预测中。本书主要关注交通系统中混沌现象的产生、转化以及控制方面的问题，相关研究结论可以为解决语音信号、脑电信号等时间序列预测问题提供借鉴和指导。
    本书可作为高等院校智能交通、计算机、机器学习、数据处理等专业高年级本科生和研究生的学习资料，同时对从事相关领域科技研究的工作人员以及工程技术人员也具有一定的参考价值。

前言
第1章  绪论
  1.1  背景与意义
    1.1.1  交通系统中的混沌现象
    1.1.2  混沌理论
    1.1.3  交通领域中混沌理论的应用前景
    1.1.4  研究意义
  1.2  交通混沌研究概况
    1.2.1  基于交通流模型的混沌研究
    1.2.2  基于实测交通流的混沌研究
    1.2.3  混沌理论在交通系统预测中的应用
    1.2.4  混沌理论在交通系统控制中的应用
  1.3  本书研究内容
    1.3.1  交通系统混沌研究存在的问题
    1.3.2  章节安排
第2章  混沌动力学
  2.1  引言
  2.2  基本概念
    2.2.1  混沌的定义及其基本特征
    2.2.2  吸引子的定义
    2.2.3  混沌现象的特征量
  2.3  相空间重构理论
    2.3.1  嵌入的概念
    2.3.2  嵌入定理
    2.3.3  导数重构法
    2.3.4  延迟重构法
    2.3.5  嵌入维数的选择
    2.3.6  延迟时间的选择
  2.4  混沌对初始值的敏感性和Lyapunov指数
    2.4.1  混沌对初始值的敏感性
    2.4.2  Lyapunov指数
  2.5  混沌判别方法
    2.5.1  功率谱分析
    2.5.2  Poincare截面法
    2.5.3  G-P算法
    2.5.4  替代数据
    2.5.5  分数维数
  2.6  混沌时间序列的预测
    2.6.1  基于Lyapunov指数的时间序列预测方法
    2.6.2  基于神经网络的时间序列预测方法
  2.7  本章小结
第3章  交通流混沌特性分析及其改进的判别方法
  3.1  引言
  3.2  交通流混沌特性分析的基础
    3.2.1  交通流时间序列的相空间重构
    3.2.2  两个参数对重构空间的影响
  3.3  改进的交通流混沌判别方法
    3.3.1  改进的小数据量法
    3.3.2  改进的G-P算法
    3.3.3  组合方法
  3.4  数值仿真
    3.4.1  交通状态轨道分析
    3.4.2  计算交通流时间序列的混沌特性值
    3.4.3  混沌判别的组合方法验证
  3.5  本章小结
第4章  交通流混沌现象产生和转化的机理
  4.1  引言
  4.2  交通流混沌产生的机理
    4.2.1  运行规则
    4.2.2  交通流延滞关系式
  4.3  交通流离散动态模型
    4.3.1  Logistic映射
    4.3.2  建立离散动态模型
    4.3.3  交通流离散动态模型的混沌动力学分析
  4.4  交通流混沌转化机理
    4.4.1  交通流中的自组织现象
    4.4.2  交通系统具有形成自组织的条件
    4.4.3  基于自组织理论的交通流混沌转化机理
  4.5  数值仿真
  4.6  本章小结
第5章  交通流混沌时间序列的建模及预测
  5.1  引言
  5.2  短时交通流预测框架
    5.2.1  短时交通流预测的特征
    5.2.2  预测框架
  5.3  径向基神经网络预测模型
    5.3.1  RBF神经网络的结构
    5.3.2  神经元数目的选择
    5.3.3  交通流的CTSNN预测步骤
    5.3.4  数值仿真
  5.4  二阶Volterra自适应预测模型
    5.4.1  预测模型
    5.4.2  数值仿真
  5.5  三阶乘积耦合Volterra自适应预测模型
    5.5.1  三阶Volterra预测模型
    5.5.2  乘积耦合实现结构
    5.5.3  改进的非线性NLMS算法
    5.5.4  数值仿真
  5.6  QN自适应算法
    5.6.1  LMS算法
    5.6.2  QN算法的原理
    5.6.3  QN算法的特性
    5.6.4  QN算法的计算复杂度分析
    5.6.5  数值仿真
  5.7  本章小结
第6章  基于混沌理论的高速公路匝道控制
  6.1  引言
  6.2  高速公路动态交通流的BP神经网络建模
    6.2.1  宏观动态交通流模型
    6.2.2  BP神经网络模型
    6.2.3  数值仿真
  6.3  基于BP神经网络的入口匝道控制算法
    6.3.1  入口匝道控制原理
    6.3.2  入口匝道模型
    6.3.3  BP神经网络建模过程
    6.3.4  数值仿真
  6.4  交通流混沌的反馈控制
    6.4.1  交通流混沌控制分析
    6.4.2  控制车辆的常值速度
  6.5  基于分段线性控制器的入口匝道控制
    6.5.1  混沌控制的新定义
    6.5.2  PLC法
    6.5.3  PLC法控制入口匝道
    6.5.4  数值仿真
  6.6  本章小结
第7章  语音信号处理基础
  7.1  引言
  7.2  语音生成系统
  7.3  语音生成数学模型
  7.4  语音信号短时分析
    7.4.1  加窗与分帧
    7.4.2  短时能量
  7.5  线性预测分析
    7.5.1  基本原理
    7.5.2  最佳预测系数求解
  7.6  语音信号非线性处理
    7.6.1  混沌和分形几何
    7.6.2  人工神经网络
  7.7  本章小结
第8章  隐相空间DUPSO-SOVF预测模型及其应用
  8.1  引言
  8.2  经典粒子群算法
  8.3  PSO算法分析
    8.3.1  粒子搜索中心
    8.3.2  粒子搜索概率分析
  8.4  均匀搜索粒子群优化算法
  8.5  UPSO性能分析
    8.5.1  参数设置及Benchmark函数选择
    8.5.2  实验结果分析
  8.6  基于隐相空间的DUPSO-RPSOVF语音预测模型研究
    8.6.1  语音信号数据采集与预处理
    8.6.2  DUPSO算法优化模型参数
    8.6.3  隐相空间DUPSO-SOVF语音预测模型
    8.6.4  模型评价
  8.7  本章小结
第9章  AGABC-SOVF预测模型及其应用
  9.1  引言
  9.2  人工蜂群算法理论基础
    9.2.1  人工蜂群算法的原理
    9.2.2  人工蜂群算法的性能分析
  9.3  AGABC算法
    9.3.1  基于全局最优的自适应算法
    9.3.2  混沌系统初始化
  9.4  AGABC-SOVF预测模型
    9.4.1  基本流程
    9.4.2  模型算法
    9.4.3  模型求解与分析
  9.5  仿真实验
    9.5.1  单帧信号预测
    9.5.2  Lorenz混沌时间序列预测
    9.5.3  音标和短语的多帧预测
  9.6  本章小结
第10章  语音信号序列的DFP-SOVF预测模型研究
  10.1  引言
  10.2  语料库
  10.3  语音数据预处理
  10.4  语音信号数据采集与预处理
    10.4.1  语音信号数据采集
    10.4.2  语音信号数据预处理
  10.5  语音信号序列相空间重构
    10.5.1  互信息法选取延迟时间
    10.5.2  Cao方法选取嵌入维数
    10.5.3  相空间重构
  10.6  语音信号序列混沌特性识别
  10.7  DFP-SOVF模型
  10.8  模型评价
    10.8.1  语音信号序列的DFP-SOVF预测
    10.8.2  单帧语音信号预测
    10.8.3  多帧语音信号预测
  10.9  本章小结
参考文献