[发明专利]一种新的时间序列的预测方法、装置、电子设备及计算机可读存储介质

说明书

本发明提供了一种新的时间序列的预测方法，包括：接收输入的原始滑坡时间序列{X(t),t＝1,2,3,…,n}；判断原始滑坡时间序列是否具有混沌特征；若原始滑坡时间序列具有混沌特征，则确定出原始滑坡时间序列的延迟时间；确定出原始滑坡时间所要嵌入的相空间的嵌入维数；将延迟时间和嵌入维数代入到目标volterra级数模型，目标volterra级数模型迭代训练核函数的系数，当核函数的系数达到预设误差要求时，输出目标volterra级数模型的参数、核函数的系数、以及预测出的目标滑坡时间序列。在本发明将延迟时间和嵌入维数直接嵌入volterra级数的数学模型中，将传统的把滑坡时间序列相空间重构后得到的输出序列再输入到volterra级数模型中的两步直接变成了一步，提高了运算效率。

技术领域

本发明涉及计算机技术领域，具体而言，本发明涉及一种新的时间序列的预测方法、装置、电子设备及计算机可读存储介质。

背景技术

山体滑坡具有随机性、耗散性、突发性、外界干扰不确定性以及破坏性等特点，给人们的生产生活造成重大损失。因此，预测活动储层滑坡的位移对于早期预警和稳定性分析非常重要。

滑坡位移的预测模型通常包括基于物理的模型和基于数据的模型。基于数据的模型使用输入输出变量构建。它们比基于物理的模型更受欢迎，因为滑坡的地质实体是复杂的，并且因为基于物理的模型需要许多复杂的参数。在基于数据模型的基础上，混沌与分形作为分析非线性系统的重要理论方法，可以有效地得到滑坡时间序列的内部动力学特征，而且针对监测数据量小的特点，相空间重构可以有效的扩展原始数的维数。

基于相空间重构理论，近几年国内外学者展开了一系列针对滑坡预测的方法。现有的研究方法都是将具有混沌特性的滑坡时间序列相空间重构后得到的高维时间序列再输入到所提出的预测模型中，过程比较繁琐。

发明内容

本发明针对现有方式的缺点，提出一种新的时间序列的预测方法、装置、电子设备及计算机可读存储介质，用以解决现有技术存在的技术问题。

第一方面，本发明提供了一种新的时间序列的预测方法，包括：接收输入的原始滑坡时间序列{X(t)，t＝1，2，3，…，n}；

判断原始滑坡时间序列是否具有混沌特征；

若原始滑坡时间序列具有混沌特征，则确定出原始滑坡时间序列的延迟时间τ；确定出原始滑坡时间所要嵌入的相空间的嵌入维数m；

将延迟时间和嵌入维数代入到目标volterra级数模型，目标volterra级数模型迭代训练核函数的系数，当核函数的系数达到预设误差要求时，输出目标volterra级数模型的参数、核函数的系数以及预测出的目标滑坡时间序列。

可选地，判断原始滑坡时间序列是否具有混沌特征，包括：

计算原始滑坡时间序列的最大Lyapunov指数；判断最大Lyapunov指数是否大于零，若是，则确定原始滑坡时间序列具有混沌特征。

可选地，计算原始滑坡时间序列的最大Lyapunov指数，包括：找到相空间中每个点X(t)的最近邻点并限制短暂分离，即

其中，且

对相空间中每个点X(t)，计算在i个离散时间步之后相应邻近点对的距离d_t(i)，i＝1，2，…，min

设相空间中的邻近点对X(t)与之间距离变化的指数发散率为λ，即取对数后得到ln d_t(i)＝ln C_t+λ(i·Δt)；

对每个i求出所有t的ln d_t(i)平均x(i)，即：