基于视神经网络的混沌时间序列奇异信号实时检测算法

刘金海; 张化光; 冯健

doi:10.7498/aps.59.4472

摘要

提出了一种基于视神经网络的实时检测混沌时间序列中的奇异点算法,设计了视神经网络奇异点检测器(RNNND);然后设计了基于反向传播(BP)神经网络和径向基函数(RBF)神经网络的混沌时间序列奇异点检测器.利用Lorenz理论模型产生的时间序列和实测输油管道压力时间序列分别检验了这3个奇异点检测器在抗干扰能力、检测微弱信号能力和运算速度等方面的性能.仿真和分析表明,RNNND具有良好的检测精度和较快检测速度.最后详细分析了3种奇异点检测器优缺点并给出了适用场合.

关键词:

Abstract

A kind of novelty detection method based on retina neural network is proposed, which could find the novelty in chaotic time series. To demonstrate the capability of the novelty detection method, we designed three novelty detectors,namely the neural network novelty detector (RNNND), back-propagation(BP) novelty detector (BPND) and radial base function(RBF) novelty detector (RBFND), which are based on retina neural network, BP neural network and RBF neural network, respectively. Using Lorenz time series and oil pipeline pressure time series, we tested the performance of the three novelty detectors, including performances of anti-jamming, micro-novelty detection and the computing speed. The results show that the three novelty detectors have good precision and fast computing speed. Finally, the merits and shortcomings of the proposed novelty detection method are analyzed based on retina neural network, BP and RBF neural network, and their applicabilities are given.

Keywords:

作者及机构信息

(1)东北大学流程工业综合自动化教育部重点实验室,沈阳 110004; (2)东北大学流程工业综合自动化教育部重点实验室,沈阳 110004; 东北大学信息科学与工程学院,沈阳 110004

基金项目: 国家自然科学基金(批准号:60774048, 60774093, 60728307)、国家高技术研究发展计划(批准号:2009AA04Z127)、长江学者奖励计划、高等学校博士学科点专项科研基金(批准号:20070145015)、国家重点基础研究发展计划(批准号:2009CB320601)和新世纪优秀人才支持计划(批准号:NCET-08-0101)资助的课题.

Authors and contacts

(1)Key Laboratory of Integrated Automation of Process Industry of Ministry of Education, Northeastern University, Shenyang 110004, China; School of Information Science and Engineering, Northeastem University, Shenyang 110004, China; (2)Key Laboratory of Integrated Automation of Process Industry of Ministry of Education,Northeastern University, Shenyang 110004,China

参考文献

[1]	Hoskin P W O 2000 Geochim. Cosmochim. Acta 64 1905
[2]	Haykin S, Puthusserypady S 1997 Chaos 7 777
[3]	Zhang H G, Ma D Z, Wang Z S, Feng J 2010 Acta Phys. Sin. 59 147(in Chinese)[张化光、马大中、王占山、冯健 2010 物理学报 59 147]
[4]	Wang X Y, Meng J 2009 Acta Phys. Sin. 58 3780(in Chinese) [王兴元、孟娟 2009 物理学报 58 3780]
[5]	Yang D S, Zhang H G, Zhao Y, Song C H, Wang Y C 2010 Acta Phys. Sin. 59 1562(in Chinese) [杨东升、张化光、赵琰、宋崇辉、王迎春 2010 物理学报 59 1562]
[6]	Wang X Y, Zhao Q 2008 Acta Phys. Sin. 57 2812(in Chinese) [王兴元、赵群 2008 物理学报 57 2812]
[7]	Zhang H G, Ma T D, Fu J, Tong S C 2009 Chin. Phys. B 18 3742
[8]	Wang Z S, Zhang H G, Wang Z L 2006 Acta Phys. Sin. 55 2687(in Chinese) [王占山、张化光、王智良 2006 物理学报 55 2687]
[9]	Han M, Shi Z W, Guo W 2007 Acta Phys. Sin. 56 43(in Chinese)[韩敏、史志伟、郭伟 2007 物理学报 56 43]
[10]	Zhang Y, Guan W 2009 Acta Phys. Sin. 58 756 (in Chinese)[张勇、关伟 2009 物理学报 58 756]
[11]	Ma Q L, Peng H, Qin J W, Zheng Q L, Zhong T W 2008 Chin. Phys. B 17 536
[12]	Han M, Xi J, Xu S, Yin F 2004 IEEE Trans. Sign. Process. 52 3409
[13]	Zhang J F, Hu S S 2007 Acta Phys. Sin. 56 713(in Chinese)[张军峰、胡寿松 2007 物理学报 56 713]
[14]	Varadan V, Leung H, Bossé E 2006 IEEE Trans. Instrum. Measur. 55 327
[15]	Karunasinghe D S K, Liong S Y 2006 J. Hydrol. 323 92
[16]	Oliveira K A D, Vannucci A, Silva E C D 2000 Physica A 284 393
[17]	Gautam A K, Chelani A B, Jain V K, Devotta S 2008 Atmosphere Environm. 42 4409
[18]	Leung H, Dubash N, Xie N 2002 IEEE Trans. Aerospace and Electron. Syst. 38 98
[19]	Xing H Y, Xu W 2007 Acta Phys. Sin. 56 3771 (in Chinese)[行鸿彦、徐伟 2007 物理学报 56 3771]
[20]	Hosoya T, Baccus S A, Meister M 2005 Nature 436 71
[21]	Liu J H, Zhang H G, Feng J 2008 Acta Phys. Sin. 57 6868 (in Chinese)[刘金海、张化光、冯健 2008 物理学报 57 6868]

施引文献

[1]	Hoskin P W O 2000 Geochim. Cosmochim. Acta 64 1905
[2]	Haykin S, Puthusserypady S 1997 Chaos 7 777
[3]	Zhang H G, Ma D Z, Wang Z S, Feng J 2010 Acta Phys. Sin. 59 147(in Chinese)[张化光、马大中、王占山、冯健 2010 物理学报 59 147]
[4]	Wang X Y, Meng J 2009 Acta Phys. Sin. 58 3780(in Chinese) [王兴元、孟娟 2009 物理学报 58 3780]
[5]	Yang D S, Zhang H G, Zhao Y, Song C H, Wang Y C 2010 Acta Phys. Sin. 59 1562(in Chinese) [杨东升、张化光、赵琰、宋崇辉、王迎春 2010 物理学报 59 1562]
[6]	Wang X Y, Zhao Q 2008 Acta Phys. Sin. 57 2812(in Chinese) [王兴元、赵群 2008 物理学报 57 2812]
[7]	Zhang H G, Ma T D, Fu J, Tong S C 2009 Chin. Phys. B 18 3742
[8]	Wang Z S, Zhang H G, Wang Z L 2006 Acta Phys. Sin. 55 2687(in Chinese) [王占山、张化光、王智良 2006 物理学报 55 2687]
[9]	Han M, Shi Z W, Guo W 2007 Acta Phys. Sin. 56 43(in Chinese)[韩敏、史志伟、郭伟 2007 物理学报 56 43]
[10]	Zhang Y, Guan W 2009 Acta Phys. Sin. 58 756 (in Chinese)[张勇、关伟 2009 物理学报 58 756]
[11]	Ma Q L, Peng H, Qin J W, Zheng Q L, Zhong T W 2008 Chin. Phys. B 17 536
[12]	Han M, Xi J, Xu S, Yin F 2004 IEEE Trans. Sign. Process. 52 3409
[13]	Zhang J F, Hu S S 2007 Acta Phys. Sin. 56 713(in Chinese)[张军峰、胡寿松 2007 物理学报 56 713]
[14]	Varadan V, Leung H, Bossé E 2006 IEEE Trans. Instrum. Measur. 55 327
[15]	Karunasinghe D S K, Liong S Y 2006 J. Hydrol. 323 92
[16]	Oliveira K A D, Vannucci A, Silva E C D 2000 Physica A 284 393
[17]	Gautam A K, Chelani A B, Jain V K, Devotta S 2008 Atmosphere Environm. 42 4409
[18]	Leung H, Dubash N, Xie N 2002 IEEE Trans. Aerospace and Electron. Syst. 38 98
[19]	Xing H Y, Xu W 2007 Acta Phys. Sin. 56 3771 (in Chinese)[行鸿彦、徐伟 2007 物理学报 56 3771]
[20]	Hosoya T, Baccus S A, Meister M 2005 Nature 436 71
[21]	Liu J H, Zhang H G, Feng J 2008 Acta Phys. Sin. 57 6868 (in Chinese)[刘金海、张化光、冯健 2008 物理学报 57 6868]

[1]	王永博, 唐曦, 赵乐涵, 张鑫, 邓进, 吴正茂, 杨俊波, 周恒, 吴加贵, 夏光琼. 基于Si₃N₄微环混沌光频梳的Tbit/s并行实时物理随机数方案. 物理学报, 2024, 73(8): 084203. doi: 10.7498/aps.73.20231913
[2]	黄伟建, 李永涛, 黄远. 基于混合神经网络和注意力机制的混沌时间序列预测. 物理学报, 2021, 70(1): 010501. doi: 10.7498/aps.70.20200899
[3]	李瑞国, 张宏立, 范文慧, 王雅. 基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测. 物理学报, 2015, 64(20): 200506. doi: 10.7498/aps.64.200506
[4]	李奎念, 李斌康, 张美, 李阳. CsI(Tl)晶体的α/γ 波形数字化实时甄别. 物理学报, 2014, 63(20): 202901. doi: 10.7498/aps.63.202901
[5]	李军, 张友鹏. 基于高斯过程的混沌时间序列单步与多步预测. 物理学报, 2011, 60(7): 070513. doi: 10.7498/aps.60.070513
[6]	张春涛, 马千里, 彭宏. 基于信息熵优化相空间重构参数的混沌时间序列预测. 物理学报, 2010, 59(11): 7623-7629. doi: 10.7498/aps.59.7623
[7]	马千里, 郑启伦, 彭宏, 覃姜维. 基于模糊边界模块化神经网络的混沌时间序列预测. 物理学报, 2009, 58(3): 1410-1419. doi: 10.7498/aps.58.1410
[8]	张军峰, 胡寿松. 基于多重核学习支持向量回归的混沌时间序列预测. 物理学报, 2008, 57(5): 2708-2713. doi: 10.7498/aps.57.2708
[9]	刘福才, 张彦柳, 陈超. 基于鲁棒模糊聚类的混沌时间序列预测. 物理学报, 2008, 57(5): 2784-2790. doi: 10.7498/aps.57.2784
[10]	蔡俊伟, 胡寿松, 陶洪峰. 基于选择性支持向量机集成的混沌时间序列预测. 物理学报, 2007, 56(12): 6820-6827. doi: 10.7498/aps.56.6820
[11]	贺涛, 周正欧. 基于分形自仿射的混沌时间序列预测. 物理学报, 2007, 56(2): 693-700. doi: 10.7498/aps.56.693
[12]	张军峰, 胡寿松. 基于一种新型聚类算法的RBF神经网络混沌时间序列预测. 物理学报, 2007, 56(2): 713-719. doi: 10.7498/aps.56.713
[13]	于振华, 蔡远利. 基于在线小波支持向量回归的混沌时间序列预测. 物理学报, 2006, 55(4): 1659-1665. doi: 10.7498/aps.55.1659
[14]	刘福才, 孙立萍, 梁晓明. 基于递阶模糊聚类的混沌时间序列预测. 物理学报, 2006, 55(7): 3302-3306. doi: 10.7498/aps.55.3302
[15]	叶美盈, 汪晓东, 张浩然. 基于在线最小二乘支持向量机回归的混沌时间序列预测. 物理学报, 2005, 54(6): 2568-2573. doi: 10.7498/aps.54.2568
[16]	崔万照, 朱长纯, 保文星, 刘君华. 基于模糊模型支持向量机的混沌时间序列预测. 物理学报, 2005, 54(7): 3009-3018. doi: 10.7498/aps.54.3009
[17]	李军, 刘君华. 一种新型广义RBF神经网络在混沌时间序列预测中的研究. 物理学报, 2005, 54(10): 4569-4577. doi: 10.7498/aps.54.4569
[18]	崔万照, 朱长纯, 保文星, 刘君华. 混沌时间序列的支持向量机预测. 物理学报, 2004, 53(10): 3303-3310. doi: 10.7498/aps.53.3303
[19]	王宏伟, 马广富. 基于模糊模型的混沌时间序列预测. 物理学报, 2004, 53(10): 3293-3297. doi: 10.7498/aps.53.3293
[20]	谭文, 王耀南, 周少武, 刘祖润. 混沌时间序列的模糊神经网络预测. 物理学报, 2003, 52(4): 795-801. doi: 10.7498/aps.52.795

计量

文章访问数: 9216
PDF下载量: 891
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

搜索

留言板