瓦斯浓度的分形分析与混沌预测模型研究
摘要
瓦斯浓度受多种地质因素的综合作用,与矿井瓦斯突出关系密切。为了预测矿井瓦斯突出危险性,以淮南潘三矿为实验矿井,研究了瓦斯浓度时间序列的基本分形特征,提出了面向瓦斯浓度时间序列的极差分形模型,应用极差分形模型研究了瓦斯突出危险性的评价方法,基于多元统计主成分分析,建立了突出危险性评价模型,对于提前发现和预报瓦斯突出有很大的参考价值。运用混沌时间序列分析方法提取瓦斯浓度的混沌特性,对传统的混沌预测方法进行了改进,提出了瓦斯浓度时间序列混沌预测模型的改进算法,提高了混沌预测算法的计算效率与预测精度。实验结果表明,混沌预测模型可以定量地预测到未来较长时间的瓦斯浓度变化,预测精度较高；极差分形模型可以定性地分析预测瓦斯浓度时间序列的动态发展变化趋势,基于瓦斯突出评价模型可以对测点的突出危险性进行定量预测。在此基础上,设计并实现了煤矿瓦斯浓度预测软件。
Gas outburst, as a grave natural disaster, is a great threat to the safe production of coal mine. Inspired by the multi-geological factors, Gas density had close relations directly with gas disaster like outburst. In order to acquire the accurate and quick prediction on the risk of coalmine gas outburst, experiments had been carried out at Pansan Coalmine in Huainan, Anhui Province. Range Fractal model was proposed for the analysis of gas density series after the detailed study of basic fractal characteristics of gas density time series, which consists of gas monitor density data. Chaotic time series analysis was applied to research the chaotic properties of gas density time series. The traditional chaotic forecast algorithm for gas series was ameliorated, and for gas time series 2 reformative and improved chaotic prediction models were established with greater performance and efficiency. Experiment results verified that using range fractal model could offer a qualitative prediction to the dynamical dangerous trends of gas density time series. The quantitive prediction results of both chaotic models appeared reliable and feasible as expected. After research on the gas outburst case of Pansan coalmine, the abnormal aspects were discovered in application of analyzing the relations between gas outburst and gas density time series before outburst. And some general evolution rules appeared clearly to explanations for gas outburst. These valuable discoveries are to be testified with more gas outburst data. On the basis of Multivariate Statistics, the evaluation model was proposed for gas outburst risk. Based on above all, design of the gas density prediction software was achieved and performed smooth as expected.
Gas outburst, as a grave natural disaster, is a great threat to the safe production of coal mine. Inspired by the multi-geological factors, Gas density had close relations directly with gas disaster like outburst. In order to acquire the accurate and quick prediction on the risk of coalmine gas outburst, experiments had been carried out at Pansan Coalmine in Huainan, Anhui Province. Range Fractal model was proposed for the analysis of gas density series after the detailed study of basic fractal characteristics of gas density time series, which consists of gas monitor density data. Chaotic time series analysis was applied to research the chaotic properties of gas density time series. The traditional chaotic forecast algorithm for gas series was ameliorated, and for gas time series 2 reformative and improved chaotic prediction models were established with greater performance and efficiency. Experiment results verified that using range fractal model could offer a qualitative prediction to the dynamical dangerous trends of gas density time series. The quantitive prediction results of both chaotic models appeared reliable and feasible as expected. After research on the gas outburst case of Pansan coalmine, the abnormal aspects were discovered in application of analyzing the relations between gas outburst and gas density time series before outburst. And some general evolution rules appeared clearly to explanations for gas outburst. These valuable discoveries are to be testified with more gas outburst data. On the basis of Multivariate Statistics, the evaluation model was proposed for gas outburst risk. Based on above all, design of the gas density prediction software was achieved and performed smooth as expected.
引文
1.周心权.煤矿重特大灾害事故动态隐患治理[R].中国矿业大学(北京),2009.3
2.贺晓刚,张人伟,王亮等.煤矿瓦斯爆炸的风险评价[EB].中华安全信息网,http://www.anquangang.org/NewsDetails.asp?bd=46&sd=2520
3.范维唐.我国安全生产形势、差距和对策[M],北京：煤炭工业出版社,2003
4.李毅中.谈谈我国的安全生产问题[EB].国家安全生产监督管理总局政府网站.http://www.chinasafety.gov.cn/zhengwugongkai/2006-06/17/content_172198.htm
5.李毅中.安全生产现状、发展趋势和对策措施[EB].国家安全生产监督管理总局政府网站.http://www.chinasafety.gov.cn/zhengwugongkai/2007-02/14/content_219564.htm
6.彭苏萍.瓦斯富集部位高分辨地震探测技术及其应用[C],中国煤炭学会第六次全国会员代表大会暨学术论坛论文集,2007
7.刘燕华.在全国煤矿安全改造和瓦斯治理电视电话会议上的讲话[EB].http://wwwold.sdpc.gov.cn/mkwsfz1/200503285.htm
8.孙叶,谭成轩,孙炜锋.煤瓦斯突出研究现状及其研究方向探讨[J].地质力学学报,2008.14(2)：117～118
9. Bhill K, Halvatzis GJ. Sand thickness prediction from 3D seismic data [J]. The Leading EDGE,2001,20 (9):950-954
10.郑哲敏.从数量级和量纲分析看煤与瓦斯突出的机理[M].北京：北京大学出版社,1982
11.何学秋.含瓦斯煤岩流变动力学[M].徐州：中国矿业大学出版社,1995
12.王恩元,何学秋,聂百胜.电磁辐射法预测煤与瓦斯突出原理[J].中国矿业大学学报,2000,9(3)：225～228
13.梁冰,章梦涛.煤与瓦斯突出的固流耦合失稳理论[J].煤炭学报,1995.20(5)：492～496
14.梁冰,章梦涛.从煤和瓦斯的耦合作用及煤的失稳破坏看突出的机理[J].中国安全科学学报.1997,7(1)：6～9
15.梁冰.煤与瓦斯突出固流藕合失稳理论[M].北京：地质出版社,2000
16.薛二龙,何学秋,聂百胜.煤岩流变电磁辐射耦合理论研究[J].煤炭科学技术,2005,33(6)：46～48
17.何俊,何学秋,聂百胜.煤体应力状态电磁辐射测试研究[J].采矿与安全工程学报,2006,23(1)：111～114
18.王恩元,何学秋,刘贞堂.受载煤体电磁辐射的频谱特征[J].中国矿业大学学报,2003,32(5)：487～490
19.王恩元,何学秋,刘贞堂.煤岩电磁辐射特性及其应用研究进展[J].自然科学进展,2006,16(5)：532～535
20. Peng Suping,Liao Yi.A high resolution 3D-seismic technique for distinguishing geological structure in the complex coalfield[C].Mining Science and Technology 1999,Balkema
21.张许良,彭苏萍,杨瑞召.瓦斯突出危险带的三维地震探测技术[J],煤炭科学技术,2003,31(12)：12～15
22.郭德勇,韩德馨,王新义.煤与瓦斯突出的构造物理环境及其应用[J].北京科技大学学报,2002,24(6)：581～584
23.郭德勇,韩德馨.地质构造控制煤和瓦斯突出作用类型研究[J].煤炭学报,1998,23(4)：337～340
24.郭德勇,韩德馨,杨陆武.构造几何特征及煤与瓦斯突出危险性研究[J].煤矿安全,1996,5：6～9
25. GUO De yong,HAN De xin,JIANG Guang jie.Research on Geological Structure Mark of Coal and Gas Outbursts in Pingdingshan Mining Area[J],Journal of China University of Mining& Technology, 2002.12(1):72-76
26.杨陆武,郭德勇.煤体结构在煤与瓦斯突出研究中的应用[J].煤炭科学技.1996,24(7)：49～52
27.张许良,彭苏萍.地质测井法预测瓦斯突出研究[C].中国煤炭学会瓦斯地质专业委员会第三次全国瓦斯地质学术研讨会,2003
28.刘钦甫,刘衡秋,彭苏萍.淮南煤田1321煤层顶板地质特征与稳定性研究[J].煤炭学报,2004,29(3)：318～322
29.胡朝元,彭苏萍,李国法等.地震叠前AVO反演预测煤与瓦斯突出区基础研究[R].十五地质行业获奖成 果资料汇编,2006
30. Peng Suping, Chen Huajing, Yang Ruizhao. Factors facilitating or limiting the use of AVO for coalbed methane[J].Geophysics,2006.71 (4):C49-C56
31.曹代勇,占文峰,张军.邯郸峰峰矿区新构造特征及其煤炭资源开发意义[J],煤炭学报,2007,32(2)：141～145
32.刘德民,曹代勇,李永军等.矿井构造复杂程度模糊综合评判ComGI S的实现[J],煤炭科学技术,2008,36(2)：92～94
33.焦作矿业学院瓦斯地质研究室.瓦斯地质概论[M].北京：煤炭工业出版社,1990
34.彭立世.瓦斯地质与瓦斯突出预测[R].焦作：河南理工大学,2008.5
35.张许良.矿井瓦斯危险性预测的数学地质技术与方法研究[D].中国矿业大学(北京),2004
36.张许良,张子戌,袁崇孚.利用数量化理论预测瓦斯含量时反应度的取值方法[J].焦作工学院学报,2001,20(1)：8～13
37.张许良,彭苏萍,张子戌等.煤与瓦斯突出数学地质模型研究[J],煤田地质与勘探,2004,32(1)：14～17
38.张许良,彭苏萍,张子戌等.煤与瓦斯突出敏感地质指标研究[J],煤田地质与勘探,2003,31(2)：7～10
39.张爱然,罗新荣,杨飞.基于模糊神经网络的瓦斯爆炸危险性评价模型[J].黑龙江科技学院学报,2008,18(1)：54-56
40.刘文,蒋曙光,何新建.采煤面瓦斯爆炸危险性模糊综合评价[J].能源技术与管理,2007,3:68～69
41.漆旺生,凌标灿,蔡嗣经.煤与瓦斯突出预测研究动态及展望[J].中国安全科学学报,2003,13(12)：1～4
42.张立明.人工神经网络的模型及其应用[M].上海：复旦大学出版社,1993
43.李孝安,张晓溃.神经网络与神经计算导论[M].西安：西北工业大学出版社,1994
44.王凯,方健之.神经网络在瓦斯突出危险性识别预报中的应用[J].中州煤炭,1997,(1)：32-34
45.张春,题正义,周云鹏.神经网络计算方法在煤与瓦斯突出预测中的应用[J].煤炭工程,2004,7：49～52
46.南存全,冯夏庭.基于模式识别的煤与瓦斯突出区域预测[J].东北大学学报(自然科学版),2004,25(9)：903～905
47.李水根.分形[M].北京：高等教育出版社,2004
48.刘式达,梁副明,刘式适等.自然科学中的混沌和分形[M].北京：北京大学出版社,2003
49.刘晓曙.谱估计在金融时间序列模型验证中的应用[J].清华大学学报(自然科学版),2008.48(9)：149～152
50.张博,汪斌强,智英建.长相关网络流量Hmrst指数估计算法[J].计算机工程,2009.35(2)：83～85
51.周云霞,曹代勇,王荣亮.淮南矿区潘三矿构造发育规律定量研究[J].中国煤田地质,2002.14(3)：4～6
52.邹新月,许涤龙.H指数估计方法的有效性检验[J].统计研究,2004.8：37～39
53.楼天良,蒋惠忠.一种适于高维时间序列的特征提取方法[J].浙江科技学院学报,2007.19(2)：89～92
54.马利华,韩延本.应用小波变换研究时间序列的周期性[C].2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集,2007
55.张颖,路影.时尚商品价格时间序列的多重分形分析[C].2007中国控制与决策学术年会论文集,2007：805～808
56.杨妮,谢赤,孙柏等.汇率时间序列多重分形特征分析及实证研究[J].湖南大学学报(自然科学版),2008.35(8)：89-92
57.张琦,王秋平.基于R/S分析的城市中心区交通量时间序列研究[C].第三届中国智能交通年会,2007：777～781
58.王秋平,张琦.城市中心区交通量时间序列的分形特征[J].西安建筑科技大学学报(自然科学版),2008.40(1)：102～108
59.裴玉龙,李洪萍.快速路交通流时间序列分形维数研究[J].公路交通科技,2006(2)：115～119
60.潘结南,陈江峰,徐文鹏.R/S分析及矿井瓦斯涌出量的分形预测[J].煤田地质与勘探,2001.29(3)：14～15
61.徐精彩,赵庆贤,邓军等.矿井瓦斯涌出量时间序列的分形特性分析[J].辽宁工程技术大学学 报,2004.23(1)：1～4
62.陈予恕.非线性动力学中的现代分析方法[M].北京：科学出版社,1992
63. Takens F, Mane. Detecting strange attractors in fluid turbulence [C].Dynamical Systems and Turbulence of Lecture Notes in Mathematics, Berlin:Springer,1986,897-898
64. A.A.KIPCHATOV and L.V.KRASICHKOV.On reconstruction of chaotic attractor from time series represented as"clusters"[C].Proceedings of the International Conference on Dynamical Sgstems and chaos,Tokyo,1994
65. Kennel M B, Brown R, Abarbanel H D I. Determining embedding dimension for phase space reconstruction using a geometrical reconstruction[J].Phys Rev A,1992,45:3403-3411
66. HEN Yu-shu, MA Jun_hai, LIU Zeng_rong. The state space reconstruction technology of different kinds of chaotic data obtained from dynamical system[J].Acts Mechanics Sinica,1999,15(1):82-92
67. Liebert W, Pawalzik K, Schuster H G. Optimal embeddings of chaotic attractors from topological considerations[J].Europ Physics Lett,1991,14(8):521-526
68. P.Grassberger and I.Procaccia. Measuring the strangeness of strange attractors[J]. Physica D,1983,9:189-208
69. Alan WOLF, Jack B. SWIFT, Harry L. SWINNEY etal. DETERMINING LYAPUNOV EXPONENTS FROM A TIME SERIES[J].Physica 16D,1985:285-317
70.马军海,陈予恕.混沌时序相空间重构的分析和应用研究[J]应用数学和力学,2000.21(11):1117～1118
71.杨积东.一种确定混沌时序重构相空间维数的新方法[J].震动与冲击.2002,21(4)：85～86
72.杨志红,姚琼荟,杨昌宏.混沌系统最大Lyapunov指数估计新方法研究[C].中国企业自动化和信息化建设论坛,2004：394～396
73.刘传孝,谭云亮,秦广鹏等.相空间重构中时滞判定的功率谱分析法[J].岩土力学,2004.25(Supp)：83～86
74.马红光,李夕海,王国华等.相空间重构中嵌入维和时间延迟的选择[J].西安交通大学学报,2004.38(4)：335～338
75.刘传孝.饱和嵌入维数确定最大Lyapunov指数的准则探讨[J].岩石力学与工程学报,2005.24(22)：4088～4093
76.刘咏梅,刘大听,宋克欧.一种改进的测井时间序列的最大Lyapunov指数求取方法[J].哈尔滨工程大学学报,2005.26(5)：647～650
77.韩敏,史志伟,郭伟.储备池状态空间重构与混沌时间序列预测[J].物理学报,2007.56(1)：43～45
78.王平立,宋斌,王玲.混沌时间序列的Kolmogorov熵的应用研究[J].计算机工程与应用,2006.21:162～164
79. Farmer, J. D. and J. J. Sidorowich. Predicting chaotic time series[J]. Physical Review Letters,1987,59 (8):845-848
80. Linsay, P. S., An efficient method of forecasting chaotic time series using linear interpolation]J]. Physics Letters A.,1991,153(6),353-356
81. Navone H D, Ceccatto H A. Forecasting chaos from small data sets:a comparison of different nonlinear algorithms[J]. J Phys A:Math Gen,1995,28(12):3381-3388
82.任晓林,胡光锐,徐雄.混沌时间序列局域线性预测方法[J].上海交通大学学报.1999,33(1)：19～21
83. Gibson J F, Casdagli M, Eubank S. An analystic approach to practical state space reconstruction [J]. Phys D, 1992,57(7):1-30
84.简相超,郑君里.一种正交多项式混沌全局建模方法[J].电子学报,2002,30(1)：76-78
85.孟庆芳,张强,牟文英.混沌时间序列多步自适应预测方法[J].物理学报,2006,55(4)：1666～1671
86.马军海.混沌时序动力系统非线性重构[D].天津：天津大学,1997
87.马军海,陈予恕,刘曾荣.动力系统实测数据的非线性混沌模型重构[J].应用数学与力学,1999,20(11)：1128～1134
88.马军海,盛昭瀚,唐文雄.不同的相位随机化对时序混沌特征影响的研究[J].东南大学学报,1999,29 (2)：93-99
89.张家树,肖先赐.混沌时间序列的Volterra自适应预测[J].物理学报,2000.49(3)：403～408
90.张家树,肖先赐.混沌时间序列的自适应高阶非线性滤波预测[J].物理学报,2000.49(7)：1221～1227
91.张家树,肖先赐.用一种少参数非线性自适应滤波器自适应预测低维混沌时间序列[J].物理学报,2000,49(12)：2333～2339
92.李爱国,覃征.自适应局部线性化法预测混沌时间序列[J].系统工程理论与实践,2004,6：67～71
93.蒋伟进,许宇胜,孙星明.非线性混沌时序预测研究及应用[J].武汉理工大学学报(交通科学与工程版),2005,29(1)：60～62
94.闫华,魏平,肖先赐.基于Bernstein多项式的自适应混沌时间序列预测算法[J].物理学报,2007.56(9)：5111～51118
95.苏变萍,曹艳平,王婷.多因素时间序列的灰色预测模型[J].西安建筑科技大学学报(自然科学版),2007.39(2)：299～303
96.王一颉.多元混沌时间序列相关性分析及预测方法研究[D].大连理工大学,2008
97.李松臣.多元非线性非平稳时间序列的建模方法研究[D].天津大学,2007
98.管河山,姜青山,王声瑞.基于点分布特征的多元时间序列模式匹配方法[J].软件学报,2009.20(1)：67～79
99.张勇,关伟.基于最大Lyapunov指数的多变量混沌时间序列预测[J].物理学报,2009.58(2)：756～763
100.国宏伟,刘燕驰,梁合兰.多变量时间序列的模糊决策树挖掘[J].计算机应用研究,2009.26(1)：54～56
101.王泽,朱贻盛,李音.独立分量分析在混沌信号分析中的应用[J].电子学报,2002.30(10)：1505～1507
102.席剑辉,韩敏.主成分分析与神经网络的结合在多变量序列预测中的应用叨.控制理论与应用,2007,24(5)：719～724
103.李目,何怡刚,周少武.混沌时间序列的混合遗传神经网络预测方法[J].系统仿真学报,2008.20(21)：5825～5828
104.王永生,王杰,李泽慧.基于优化遗传小波网络的混沌时间序列预测[J].计算机应用,2008,28(9)：2363～2365
105.曲仁慧,宋丽华,邸朝生.基于递归网络的混沌时间序列预测[J].吉林大学学报(信息科学版),2008.26(2)：136～140
106.于振华,蔡远利.基于在线小波支持向量回归机的混沌时间序列的预测[J].物理学报,2006,55(4)：1659～1665
107.王海龙,周辉仁,宗蕴.LS-SVM的一种参数优选方法及混沌时间序列预测[J].统计与决策,2009(1)：22-24
108.陆振波,蔡志明,姜可宇.基于稀疏Volterra滤波器混沌时间序列自适应预测[J].系统工程与电子技术,2007.29(9)：1428～1431
109.姜可宇,蔡志明,陆振波.一种时间序列的弱非线性检验方法[J].物理学报,2008.57(3)：1471～1476
110.王永生,孙瑾,王昌金.变参数混沌时间序列的神经网络预测研究[J].物理学报,2008.57(10)：6120～6131
111.乔伟,李文平,胡戈.矿区地下水位的混沌时间序列局域法预测[J].矿业研究与开发,2008.28(6)：66～69
112.王秀杰,练继建.日含沙量时间序列的混沌识别与预测研究[J].泥沙研究,2008.2：24～26
113.刘见中.上隅角瓦斯浓度预测及其处理方法的优选[J].煤炭科学技术,2004.32(2)：7～10
114.付琳燕,华钢.基于人工神经网络的煤矿瓦斯浓度预测系统研究[J].煤矿机电,2006.6：21～23
115.高莉,胡延军,于洪珍.基于W-RBF的瓦斯时间序列预测方法[J].煤炭学报,2008.33(1)：67～70
116.吕品,马云歌,周心权.上隅角瓦斯浓度动态预测模型的研究及应用]J].煤炭学报,2006.31(4)：461～465
117.孙斌.瓦斯涌出量的灰色预测[J].中国煤炭,2007.33(8):72～74
118.程健,白静宜,钱建生.基于混沌时间序列的煤矿瓦斯浓度短期预测[J].中国矿业大学学报,2008.37(2)：231～235
119.刘彦伟,刘明举,武刚生.鹤煤十矿突出前瓦斯涌出特征及预测指标的选择与应用[J].煤矿安全,2005.36(11)：18～21
120.秦汝祥,张国枢,杨应迪.瓦斯涌出异常预报煤与瓦斯突出[J].煤炭学报,2006.31(5)：599～602
121.李学来.瓦斯灾害治理新技术[J].中国安全科学学报,2006.3：102～106
122.秦汝祥,张国枢,杨应迪.瓦斯浓度序列的煤与瓦斯突出预报方法及应用[J].安徽理工大学学报(自然科学版),2008.28(1)：25-29
123.张济忠.分形[M].北京：清华大学出版社,2004
124.曾文曲,王向阳.分形理论与分形的计算机模拟[M].沈阳：东北大学出版社,2000
125.高安秀树.分数维[M].北京：地质出版社,1989
126.辛厚文.分形理论及其应用[M].合肥：中国科学技术大学出版社,1993
127. Weierstrass函数[EB].百度百科.http://baike.baidu.com/view/1924905.html
128.孙博文.分形算法与程序设计——Delphi实现[M].北京：科学出版社,2004
129. K Falconer 著,曾文曲等译.分形几何-数学基础及其应用[M].沈阳:东北大学出版社,1993
130. Michael T. Rosenstein, James J. Collins, and Carlo J. De Luca. A practical method for calculating largest Lyapunov exponents from small data sets[J]. Physica D,1993.65:117-134
131. Kim H S, Eykholt R, Salas J D. Nonlinear dynamics, delay times, and embedding windows.Physica D, 1999.127(12):48-60
132.张许良.矿井瓦斯危险性预测的数学地质技术与方法研究D].中国矿业大学(北京),2004
133.王凯,俞启香.煤与瓦斯突出的非线性特征及预测模型[M].徐州：中国矿业大学出版社,.2005
134. Shen L, Wang M, Liu W, et al. Prediction based chaos control via a new neural network [J].Physics Letters A, 2008,372 (46):6916-6921
135. Shi Z W,Han M. Support vector echo state machine for chaotic time series prediction[J].IEEE Transactions on Neural Networks,2007,18(2):359-372.
136. Robert L,Wolfgang M. Edge of chaos and prediction of computational performance for neural circuit models [J]. Neural Networks,2007.20(3):323-334
137. JEFFERSON D R, SOW IZRAL H A. Fast concurrent simulation using the time warp mechanism [C/OL]. [2008-01-01]. www.rand. org/pubs/notes/2007/N1906. pdf
138. Zhou Y, Zhao Y, Xie LL, Zhou LM, Chen ZY. Computation and analysis of parameters in phase space reconstruction of epileptic EEG signal[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2007,46(3):5-9
139. Wang XY, Luo C, Qiu TS. Nonlinear dynamic research on EEG in HAI experiment[J]. Chinese Journal of Biomedical Engineering,2007,24(4):408-415
140. Jan A,Yuriy P. Chaos prediction in the duffing-type system with friction using Melnikov' s function [J].Nonlinear Analysis:Real World Applications,2006,7(1):12-24
141. Porporato A. William WVancouver,Multivariate nonlinear protection of river flow[J].Journal of Hhydrology,2006,248(6):109-122
142. Han M, Guo W, Fan M M. Multivariate chaotic time series prediction based on radial basis function neural network[J].Lecture Notes in Computer Science,2006,3972:741-746
143. Vaccari D A, Wang H K. Multivariate polynomial regression for identification of chaotic time series[J].Mathematical and Computer Modeling of Dynamical Systems,2007,13(4):395-412.
144. Zheng M G, Pu C T. Chaos synchronization by variable strength linear coupling and Lyapunov function derivative in series form [J].Nonlinear Analysis:Theory, Methods&Applications,2008,69 (12):4604-4613
145. Fabri cio P H, Haroldo F, Lapades A. New approach to applying neural network in nonlinear dynamic model [J].Applied Mathematical Modelling,2008,32(12):2621-2633
146. YangyY F, Ren X M, Qin W Y, et al. Prediction of chaotic time series based on EMD method[J].ACTA PHYSICA SINICA,2008,57(10):6139-6144
147. Cohen A B, Ravoori B, Murphy T E, et al. Using Synchronization for Prediction of High-Dimensional Chaotic Dynamics [J].PHYSICAL REVIEW LETTERS,2008,101(15):154-162
148. Han M, Xi J H, Xu S G, et al. Prediction of chaotic time series based on the recurrent predictor neural network[J].IEEE Trans on Signal Processing,2006,52(12):3409-3416
149.王杰,刚轶金,石成辉SVM-RBF网络在混沌时间序列预测中的应用[J].微计算机信息,2008.24(11)：136-138
150.白建东,叶德谦,李春兴.混沌时间序列的Volterra级数多步预测研究[J].计算机仿真,2008.25(6)：274～277
151.陈铿,韩伯棠.混沌时间序列分析中的相空间重构技术综述[J].计算机科学,2005.32(4)：67～70
152.吕瑞华,王卫亚.混沌时间序列混合预测方法探索[J].中国软科学,2006.2：150～154
153.姜可宇,蔡志明,陆振波.基于RBF神经网络的混沌时间序列前后向联合预测模型[J].武汉理工大学学报(交通科学与工程版),2007.31(2)：259～262
154.姜可宇,蔡志明,王平波.基于RBF神经网络模型的混沌背景下谐波信号提取[J].武汉理工大学学报(交通科学与工程版),2007.31(5)：850～853
155.陆振波,蔡志明,姜可宇.基于奇异值分解的混沌时间序列Volterra预测[J].武汉理工大学学报(交通科学与工程版),2007.31(4)：672～675
156.谭琦,杨沛.基于变窗口神经网络集成的时间序列预测[J].计算机工程,2009.35(1)：176～178
157.黎敏,徐金梧,阳建宏.基于多变量相重构的混沌时间序列预测[J].北京科技大学学报,2008.30(2)：208～212
158.金丰,翟永杰,贾庆岩.基于熵判据自组织模糊神经网络的混沌时间序列预测[J].华北电力大学学报,2008.35(2)：88～93
159.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[J].物理学报,2008.57(5)：2784～2790
160.韩敏,魏茹.基于改进典型相关分析的混沌时间序列预测[J].大连理工大学学报,2008.48(2)：292～297
161.修春波,王金平,刘玉霞.基于混沌算子网络的时间序列一步预测方法[J].系统仿真学报,2009.21(2)：507～509
162.于万波.混沌的计算实验与分析[M].北京：科学出版社,2008
2.贺晓刚,张人伟,王亮等.煤矿瓦斯爆炸的风险评价[EB].中华安全信息网,http://www.anquangang.org/NewsDetails.asp?bd=46&sd=2520
3.范维唐.我国安全生产形势、差距和对策[M],北京：煤炭工业出版社,2003
4.李毅中.谈谈我国的安全生产问题[EB].国家安全生产监督管理总局政府网站.http://www.chinasafety.gov.cn/zhengwugongkai/2006-06/17/content_172198.htm
5.李毅中.安全生产现状、发展趋势和对策措施[EB].国家安全生产监督管理总局政府网站.http://www.chinasafety.gov.cn/zhengwugongkai/2007-02/14/content_219564.htm
6.彭苏萍.瓦斯富集部位高分辨地震探测技术及其应用[C],中国煤炭学会第六次全国会员代表大会暨学术论坛论文集,2007
7.刘燕华.在全国煤矿安全改造和瓦斯治理电视电话会议上的讲话[EB].http://wwwold.sdpc.gov.cn/mkwsfz1/200503285.htm
8.孙叶,谭成轩,孙炜锋.煤瓦斯突出研究现状及其研究方向探讨[J].地质力学学报,2008.14(2)：117～118
9. Bhill K, Halvatzis GJ. Sand thickness prediction from 3D seismic data [J]. The Leading EDGE,2001,20 (9):950-954
10.郑哲敏.从数量级和量纲分析看煤与瓦斯突出的机理[M].北京：北京大学出版社,1982
11.何学秋.含瓦斯煤岩流变动力学[M].徐州：中国矿业大学出版社,1995
12.王恩元,何学秋,聂百胜.电磁辐射法预测煤与瓦斯突出原理[J].中国矿业大学学报,2000,9(3)：225～228
13.梁冰,章梦涛.煤与瓦斯突出的固流耦合失稳理论[J].煤炭学报,1995.20(5)：492～496
14.梁冰,章梦涛.从煤和瓦斯的耦合作用及煤的失稳破坏看突出的机理[J].中国安全科学学报.1997,7(1)：6～9
15.梁冰.煤与瓦斯突出固流藕合失稳理论[M].北京：地质出版社,2000
16.薛二龙,何学秋,聂百胜.煤岩流变电磁辐射耦合理论研究[J].煤炭科学技术,2005,33(6)：46～48
17.何俊,何学秋,聂百胜.煤体应力状态电磁辐射测试研究[J].采矿与安全工程学报,2006,23(1)：111～114
18.王恩元,何学秋,刘贞堂.受载煤体电磁辐射的频谱特征[J].中国矿业大学学报,2003,32(5)：487～490
19.王恩元,何学秋,刘贞堂.煤岩电磁辐射特性及其应用研究进展[J].自然科学进展,2006,16(5)：532～535
20. Peng Suping,Liao Yi.A high resolution 3D-seismic technique for distinguishing geological structure in the complex coalfield[C].Mining Science and Technology 1999,Balkema
21.张许良,彭苏萍,杨瑞召.瓦斯突出危险带的三维地震探测技术[J],煤炭科学技术,2003,31(12)：12～15
22.郭德勇,韩德馨,王新义.煤与瓦斯突出的构造物理环境及其应用[J].北京科技大学学报,2002,24(6)：581～584
23.郭德勇,韩德馨.地质构造控制煤和瓦斯突出作用类型研究[J].煤炭学报,1998,23(4)：337～340
24.郭德勇,韩德馨,杨陆武.构造几何特征及煤与瓦斯突出危险性研究[J].煤矿安全,1996,5：6～9
25. GUO De yong,HAN De xin,JIANG Guang jie.Research on Geological Structure Mark of Coal and Gas Outbursts in Pingdingshan Mining Area[J],Journal of China University of Mining& Technology, 2002.12(1):72-76
26.杨陆武,郭德勇.煤体结构在煤与瓦斯突出研究中的应用[J].煤炭科学技.1996,24(7)：49～52
27.张许良,彭苏萍.地质测井法预测瓦斯突出研究[C].中国煤炭学会瓦斯地质专业委员会第三次全国瓦斯地质学术研讨会,2003
28.刘钦甫,刘衡秋,彭苏萍.淮南煤田1321煤层顶板地质特征与稳定性研究[J].煤炭学报,2004,29(3)：318～322
29.胡朝元,彭苏萍,李国法等.地震叠前AVO反演预测煤与瓦斯突出区基础研究[R].十五地质行业获奖成 果资料汇编,2006
30. Peng Suping, Chen Huajing, Yang Ruizhao. Factors facilitating or limiting the use of AVO for coalbed methane[J].Geophysics,2006.71 (4):C49-C56
31.曹代勇,占文峰,张军.邯郸峰峰矿区新构造特征及其煤炭资源开发意义[J],煤炭学报,2007,32(2)：141～145
32.刘德民,曹代勇,李永军等.矿井构造复杂程度模糊综合评判ComGI S的实现[J],煤炭科学技术,2008,36(2)：92～94
33.焦作矿业学院瓦斯地质研究室.瓦斯地质概论[M].北京：煤炭工业出版社,1990
34.彭立世.瓦斯地质与瓦斯突出预测[R].焦作：河南理工大学,2008.5
35.张许良.矿井瓦斯危险性预测的数学地质技术与方法研究[D].中国矿业大学(北京),2004
36.张许良,张子戌,袁崇孚.利用数量化理论预测瓦斯含量时反应度的取值方法[J].焦作工学院学报,2001,20(1)：8～13
37.张许良,彭苏萍,张子戌等.煤与瓦斯突出数学地质模型研究[J],煤田地质与勘探,2004,32(1)：14～17
38.张许良,彭苏萍,张子戌等.煤与瓦斯突出敏感地质指标研究[J],煤田地质与勘探,2003,31(2)：7～10
39.张爱然,罗新荣,杨飞.基于模糊神经网络的瓦斯爆炸危险性评价模型[J].黑龙江科技学院学报,2008,18(1)：54-56
40.刘文,蒋曙光,何新建.采煤面瓦斯爆炸危险性模糊综合评价[J].能源技术与管理,2007,3:68～69
41.漆旺生,凌标灿,蔡嗣经.煤与瓦斯突出预测研究动态及展望[J].中国安全科学学报,2003,13(12)：1～4
42.张立明.人工神经网络的模型及其应用[M].上海：复旦大学出版社,1993
43.李孝安,张晓溃.神经网络与神经计算导论[M].西安：西北工业大学出版社,1994
44.王凯,方健之.神经网络在瓦斯突出危险性识别预报中的应用[J].中州煤炭,1997,(1)：32-34
45.张春,题正义,周云鹏.神经网络计算方法在煤与瓦斯突出预测中的应用[J].煤炭工程,2004,7：49～52
46.南存全,冯夏庭.基于模式识别的煤与瓦斯突出区域预测[J].东北大学学报(自然科学版),2004,25(9)：903～905
47.李水根.分形[M].北京：高等教育出版社,2004
48.刘式达,梁副明,刘式适等.自然科学中的混沌和分形[M].北京：北京大学出版社,2003
49.刘晓曙.谱估计在金融时间序列模型验证中的应用[J].清华大学学报(自然科学版),2008.48(9)：149～152
50.张博,汪斌强,智英建.长相关网络流量Hmrst指数估计算法[J].计算机工程,2009.35(2)：83～85
51.周云霞,曹代勇,王荣亮.淮南矿区潘三矿构造发育规律定量研究[J].中国煤田地质,2002.14(3)：4～6
52.邹新月,许涤龙.H指数估计方法的有效性检验[J].统计研究,2004.8：37～39
53.楼天良,蒋惠忠.一种适于高维时间序列的特征提取方法[J].浙江科技学院学报,2007.19(2)：89～92
54.马利华,韩延本.应用小波变换研究时间序列的周期性[C].2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集,2007
55.张颖,路影.时尚商品价格时间序列的多重分形分析[C].2007中国控制与决策学术年会论文集,2007：805～808
56.杨妮,谢赤,孙柏等.汇率时间序列多重分形特征分析及实证研究[J].湖南大学学报(自然科学版),2008.35(8)：89-92
57.张琦,王秋平.基于R/S分析的城市中心区交通量时间序列研究[C].第三届中国智能交通年会,2007：777～781
58.王秋平,张琦.城市中心区交通量时间序列的分形特征[J].西安建筑科技大学学报(自然科学版),2008.40(1)：102～108
59.裴玉龙,李洪萍.快速路交通流时间序列分形维数研究[J].公路交通科技,2006(2)：115～119
60.潘结南,陈江峰,徐文鹏.R/S分析及矿井瓦斯涌出量的分形预测[J].煤田地质与勘探,2001.29(3)：14～15
61.徐精彩,赵庆贤,邓军等.矿井瓦斯涌出量时间序列的分形特性分析[J].辽宁工程技术大学学 报,2004.23(1)：1～4
62.陈予恕.非线性动力学中的现代分析方法[M].北京：科学出版社,1992
63. Takens F, Mane. Detecting strange attractors in fluid turbulence [C].Dynamical Systems and Turbulence of Lecture Notes in Mathematics, Berlin:Springer,1986,897-898
64. A.A.KIPCHATOV and L.V.KRASICHKOV.On reconstruction of chaotic attractor from time series represented as"clusters"[C].Proceedings of the International Conference on Dynamical Sgstems and chaos,Tokyo,1994
65. Kennel M B, Brown R, Abarbanel H D I. Determining embedding dimension for phase space reconstruction using a geometrical reconstruction[J].Phys Rev A,1992,45:3403-3411
66. HEN Yu-shu, MA Jun_hai, LIU Zeng_rong. The state space reconstruction technology of different kinds of chaotic data obtained from dynamical system[J].Acts Mechanics Sinica,1999,15(1):82-92
67. Liebert W, Pawalzik K, Schuster H G. Optimal embeddings of chaotic attractors from topological considerations[J].Europ Physics Lett,1991,14(8):521-526
68. P.Grassberger and I.Procaccia. Measuring the strangeness of strange attractors[J]. Physica D,1983,9:189-208
69. Alan WOLF, Jack B. SWIFT, Harry L. SWINNEY etal. DETERMINING LYAPUNOV EXPONENTS FROM A TIME SERIES[J].Physica 16D,1985:285-317
70.马军海,陈予恕.混沌时序相空间重构的分析和应用研究[J]应用数学和力学,2000.21(11):1117～1118
71.杨积东.一种确定混沌时序重构相空间维数的新方法[J].震动与冲击.2002,21(4)：85～86
72.杨志红,姚琼荟,杨昌宏.混沌系统最大Lyapunov指数估计新方法研究[C].中国企业自动化和信息化建设论坛,2004：394～396
73.刘传孝,谭云亮,秦广鹏等.相空间重构中时滞判定的功率谱分析法[J].岩土力学,2004.25(Supp)：83～86
74.马红光,李夕海,王国华等.相空间重构中嵌入维和时间延迟的选择[J].西安交通大学学报,2004.38(4)：335～338
75.刘传孝.饱和嵌入维数确定最大Lyapunov指数的准则探讨[J].岩石力学与工程学报,2005.24(22)：4088～4093
76.刘咏梅,刘大听,宋克欧.一种改进的测井时间序列的最大Lyapunov指数求取方法[J].哈尔滨工程大学学报,2005.26(5)：647～650
77.韩敏,史志伟,郭伟.储备池状态空间重构与混沌时间序列预测[J].物理学报,2007.56(1)：43～45
78.王平立,宋斌,王玲.混沌时间序列的Kolmogorov熵的应用研究[J].计算机工程与应用,2006.21:162～164
79. Farmer, J. D. and J. J. Sidorowich. Predicting chaotic time series[J]. Physical Review Letters,1987,59 (8):845-848
80. Linsay, P. S., An efficient method of forecasting chaotic time series using linear interpolation]J]. Physics Letters A.,1991,153(6),353-356
81. Navone H D, Ceccatto H A. Forecasting chaos from small data sets:a comparison of different nonlinear algorithms[J]. J Phys A:Math Gen,1995,28(12):3381-3388
82.任晓林,胡光锐,徐雄.混沌时间序列局域线性预测方法[J].上海交通大学学报.1999,33(1)：19～21
83. Gibson J F, Casdagli M, Eubank S. An analystic approach to practical state space reconstruction [J]. Phys D, 1992,57(7):1-30
84.简相超,郑君里.一种正交多项式混沌全局建模方法[J].电子学报,2002,30(1)：76-78
85.孟庆芳,张强,牟文英.混沌时间序列多步自适应预测方法[J].物理学报,2006,55(4)：1666～1671
86.马军海.混沌时序动力系统非线性重构[D].天津：天津大学,1997
87.马军海,陈予恕,刘曾荣.动力系统实测数据的非线性混沌模型重构[J].应用数学与力学,1999,20(11)：1128～1134
88.马军海,盛昭瀚,唐文雄.不同的相位随机化对时序混沌特征影响的研究[J].东南大学学报,1999,29 (2)：93-99
89.张家树,肖先赐.混沌时间序列的Volterra自适应预测[J].物理学报,2000.49(3)：403～408
90.张家树,肖先赐.混沌时间序列的自适应高阶非线性滤波预测[J].物理学报,2000.49(7)：1221～1227
91.张家树,肖先赐.用一种少参数非线性自适应滤波器自适应预测低维混沌时间序列[J].物理学报,2000,49(12)：2333～2339
92.李爱国,覃征.自适应局部线性化法预测混沌时间序列[J].系统工程理论与实践,2004,6：67～71
93.蒋伟进,许宇胜,孙星明.非线性混沌时序预测研究及应用[J].武汉理工大学学报(交通科学与工程版),2005,29(1)：60～62
94.闫华,魏平,肖先赐.基于Bernstein多项式的自适应混沌时间序列预测算法[J].物理学报,2007.56(9)：5111～51118
95.苏变萍,曹艳平,王婷.多因素时间序列的灰色预测模型[J].西安建筑科技大学学报(自然科学版),2007.39(2)：299～303
96.王一颉.多元混沌时间序列相关性分析及预测方法研究[D].大连理工大学,2008
97.李松臣.多元非线性非平稳时间序列的建模方法研究[D].天津大学,2007
98.管河山,姜青山,王声瑞.基于点分布特征的多元时间序列模式匹配方法[J].软件学报,2009.20(1)：67～79
99.张勇,关伟.基于最大Lyapunov指数的多变量混沌时间序列预测[J].物理学报,2009.58(2)：756～763
100.国宏伟,刘燕驰,梁合兰.多变量时间序列的模糊决策树挖掘[J].计算机应用研究,2009.26(1)：54～56
101.王泽,朱贻盛,李音.独立分量分析在混沌信号分析中的应用[J].电子学报,2002.30(10)：1505～1507
102.席剑辉,韩敏.主成分分析与神经网络的结合在多变量序列预测中的应用叨.控制理论与应用,2007,24(5)：719～724
103.李目,何怡刚,周少武.混沌时间序列的混合遗传神经网络预测方法[J].系统仿真学报,2008.20(21)：5825～5828
104.王永生,王杰,李泽慧.基于优化遗传小波网络的混沌时间序列预测[J].计算机应用,2008,28(9)：2363～2365
105.曲仁慧,宋丽华,邸朝生.基于递归网络的混沌时间序列预测[J].吉林大学学报(信息科学版),2008.26(2)：136～140
106.于振华,蔡远利.基于在线小波支持向量回归机的混沌时间序列的预测[J].物理学报,2006,55(4)：1659～1665
107.王海龙,周辉仁,宗蕴.LS-SVM的一种参数优选方法及混沌时间序列预测[J].统计与决策,2009(1)：22-24
108.陆振波,蔡志明,姜可宇.基于稀疏Volterra滤波器混沌时间序列自适应预测[J].系统工程与电子技术,2007.29(9)：1428～1431
109.姜可宇,蔡志明,陆振波.一种时间序列的弱非线性检验方法[J].物理学报,2008.57(3)：1471～1476
110.王永生,孙瑾,王昌金.变参数混沌时间序列的神经网络预测研究[J].物理学报,2008.57(10)：6120～6131
111.乔伟,李文平,胡戈.矿区地下水位的混沌时间序列局域法预测[J].矿业研究与开发,2008.28(6)：66～69
112.王秀杰,练继建.日含沙量时间序列的混沌识别与预测研究[J].泥沙研究,2008.2：24～26
113.刘见中.上隅角瓦斯浓度预测及其处理方法的优选[J].煤炭科学技术,2004.32(2)：7～10
114.付琳燕,华钢.基于人工神经网络的煤矿瓦斯浓度预测系统研究[J].煤矿机电,2006.6：21～23
115.高莉,胡延军,于洪珍.基于W-RBF的瓦斯时间序列预测方法[J].煤炭学报,2008.33(1)：67～70
116.吕品,马云歌,周心权.上隅角瓦斯浓度动态预测模型的研究及应用]J].煤炭学报,2006.31(4)：461～465
117.孙斌.瓦斯涌出量的灰色预测[J].中国煤炭,2007.33(8):72～74
118.程健,白静宜,钱建生.基于混沌时间序列的煤矿瓦斯浓度短期预测[J].中国矿业大学学报,2008.37(2)：231～235
119.刘彦伟,刘明举,武刚生.鹤煤十矿突出前瓦斯涌出特征及预测指标的选择与应用[J].煤矿安全,2005.36(11)：18～21
120.秦汝祥,张国枢,杨应迪.瓦斯涌出异常预报煤与瓦斯突出[J].煤炭学报,2006.31(5)：599～602
121.李学来.瓦斯灾害治理新技术[J].中国安全科学学报,2006.3：102～106
122.秦汝祥,张国枢,杨应迪.瓦斯浓度序列的煤与瓦斯突出预报方法及应用[J].安徽理工大学学报(自然科学版),2008.28(1)：25-29
123.张济忠.分形[M].北京：清华大学出版社,2004
124.曾文曲,王向阳.分形理论与分形的计算机模拟[M].沈阳：东北大学出版社,2000
125.高安秀树.分数维[M].北京：地质出版社,1989
126.辛厚文.分形理论及其应用[M].合肥：中国科学技术大学出版社,1993
127. Weierstrass函数[EB].百度百科.http://baike.baidu.com/view/1924905.html
128.孙博文.分形算法与程序设计——Delphi实现[M].北京：科学出版社,2004
129. K Falconer 著,曾文曲等译.分形几何-数学基础及其应用[M].沈阳:东北大学出版社,1993
130. Michael T. Rosenstein, James J. Collins, and Carlo J. De Luca. A practical method for calculating largest Lyapunov exponents from small data sets[J]. Physica D,1993.65:117-134
131. Kim H S, Eykholt R, Salas J D. Nonlinear dynamics, delay times, and embedding windows.Physica D, 1999.127(12):48-60
132.张许良.矿井瓦斯危险性预测的数学地质技术与方法研究D].中国矿业大学(北京),2004
133.王凯,俞启香.煤与瓦斯突出的非线性特征及预测模型[M].徐州：中国矿业大学出版社,.2005
134. Shen L, Wang M, Liu W, et al. Prediction based chaos control via a new neural network [J].Physics Letters A, 2008,372 (46):6916-6921
135. Shi Z W,Han M. Support vector echo state machine for chaotic time series prediction[J].IEEE Transactions on Neural Networks,2007,18(2):359-372.
136. Robert L,Wolfgang M. Edge of chaos and prediction of computational performance for neural circuit models [J]. Neural Networks,2007.20(3):323-334
137. JEFFERSON D R, SOW IZRAL H A. Fast concurrent simulation using the time warp mechanism [C/OL]. [2008-01-01]. www.rand. org/pubs/notes/2007/N1906. pdf
138. Zhou Y, Zhao Y, Xie LL, Zhou LM, Chen ZY. Computation and analysis of parameters in phase space reconstruction of epileptic EEG signal[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2007,46(3):5-9
139. Wang XY, Luo C, Qiu TS. Nonlinear dynamic research on EEG in HAI experiment[J]. Chinese Journal of Biomedical Engineering,2007,24(4):408-415
140. Jan A,Yuriy P. Chaos prediction in the duffing-type system with friction using Melnikov' s function [J].Nonlinear Analysis:Real World Applications,2006,7(1):12-24
141. Porporato A. William WVancouver,Multivariate nonlinear protection of river flow[J].Journal of Hhydrology,2006,248(6):109-122
142. Han M, Guo W, Fan M M. Multivariate chaotic time series prediction based on radial basis function neural network[J].Lecture Notes in Computer Science,2006,3972:741-746
143. Vaccari D A, Wang H K. Multivariate polynomial regression for identification of chaotic time series[J].Mathematical and Computer Modeling of Dynamical Systems,2007,13(4):395-412.
144. Zheng M G, Pu C T. Chaos synchronization by variable strength linear coupling and Lyapunov function derivative in series form [J].Nonlinear Analysis:Theory, Methods&Applications,2008,69 (12):4604-4613
145. Fabri cio P H, Haroldo F, Lapades A. New approach to applying neural network in nonlinear dynamic model [J].Applied Mathematical Modelling,2008,32(12):2621-2633
146. YangyY F, Ren X M, Qin W Y, et al. Prediction of chaotic time series based on EMD method[J].ACTA PHYSICA SINICA,2008,57(10):6139-6144
147. Cohen A B, Ravoori B, Murphy T E, et al. Using Synchronization for Prediction of High-Dimensional Chaotic Dynamics [J].PHYSICAL REVIEW LETTERS,2008,101(15):154-162
148. Han M, Xi J H, Xu S G, et al. Prediction of chaotic time series based on the recurrent predictor neural network[J].IEEE Trans on Signal Processing,2006,52(12):3409-3416
149.王杰,刚轶金,石成辉SVM-RBF网络在混沌时间序列预测中的应用[J].微计算机信息,2008.24(11)：136-138
150.白建东,叶德谦,李春兴.混沌时间序列的Volterra级数多步预测研究[J].计算机仿真,2008.25(6)：274～277
151.陈铿,韩伯棠.混沌时间序列分析中的相空间重构技术综述[J].计算机科学,2005.32(4)：67～70
152.吕瑞华,王卫亚.混沌时间序列混合预测方法探索[J].中国软科学,2006.2：150～154
153.姜可宇,蔡志明,陆振波.基于RBF神经网络的混沌时间序列前后向联合预测模型[J].武汉理工大学学报(交通科学与工程版),2007.31(2)：259～262
154.姜可宇,蔡志明,王平波.基于RBF神经网络模型的混沌背景下谐波信号提取[J].武汉理工大学学报(交通科学与工程版),2007.31(5)：850～853
155.陆振波,蔡志明,姜可宇.基于奇异值分解的混沌时间序列Volterra预测[J].武汉理工大学学报(交通科学与工程版),2007.31(4)：672～675
156.谭琦,杨沛.基于变窗口神经网络集成的时间序列预测[J].计算机工程,2009.35(1)：176～178
157.黎敏,徐金梧,阳建宏.基于多变量相重构的混沌时间序列预测[J].北京科技大学学报,2008.30(2)：208～212
158.金丰,翟永杰,贾庆岩.基于熵判据自组织模糊神经网络的混沌时间序列预测[J].华北电力大学学报,2008.35(2)：88～93
159.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[J].物理学报,2008.57(5)：2784～2790
160.韩敏,魏茹.基于改进典型相关分析的混沌时间序列预测[J].大连理工大学学报,2008.48(2)：292～297
161.修春波,王金平,刘玉霞.基于混沌算子网络的时间序列一步预测方法[J].系统仿真学报,2009.21(2)：507～509
162.于万波.混沌的计算实验与分析[M].北京：科学出版社,2008