基于神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測.pdf

1、時間序列預(yù)測是人工智能以及數(shù)據(jù)挖掘中的研究熱點。用非線性的方法研究時間序列并對其進行預(yù)測，能夠解決實際工程應(yīng)用中的諸多問題。本文主要研究了時間序列的混沌特性，以及在實際應(yīng)用中的去噪和預(yù)測問題。 目前對混沌時間序列出現(xiàn)的噪聲問題，主要采用的去噪方法是線性的方法，采用此類方法去噪后的時間序列不能夠充分體現(xiàn)其混沌特性；采用非線性方法對時間序列去噪的效果較好，但是方法復(fù)雜。對于混沌時間序列的預(yù)測，目前主要采用的方法是研究數(shù)據(jù)特性，查找與

2、數(shù)據(jù)特性接近的混沌方程，用初始數(shù)據(jù)確定方程參數(shù)從而進行預(yù)測，由于混沌方程有限以及混沌序列對初值的敏感，該方法對方程的參數(shù)要求高，預(yù)測效果不好，近年采用神經(jīng)網(wǎng)絡(luò)對時間序列進行了預(yù)測的研究，但單一的神經(jīng)網(wǎng)絡(luò)對預(yù)測結(jié)果有較大的差異。 針對以上問題，本文在了解并掌握混沌時間序列的特性和分析方法的基礎(chǔ)上，以簡化方法和提高精度為目的，對傳統(tǒng)的降噪方法做了改進；以探索預(yù)測模型提高預(yù)測精度為目的，采用建立集成神經(jīng)網(wǎng)絡(luò)的方法對混沌時間序列預(yù)測，提

3、高了預(yù)測精度。 本文主要采用方程生成序列和實際數(shù)據(jù)集研究相結(jié)合的方法做了大量實驗，研究結(jié)果包括以下兩個部分：一是針對混沌信號降噪算法中鄰域的選取問題，采用希爾伯黃變換進行初始領(lǐng)域半徑的估計，同時運用閾值限定的方法，自適應(yīng)地在相空間中選取合適的鄰域點，然后針對每一個鄰域進行不同的非正交投影，更新數(shù)據(jù)點。采用該方法進行的仿真實驗，證實了其簡單有效。二是在在預(yù)測模型中，考慮混沌時間序列鄰域相似這一特點，針對自組織特征網(wǎng)絡(luò)的自動劃分功能