混沌時間序列聚類與預(yù)測算法的研究.pdf

1、混沌是決定性系統(tǒng)的內(nèi)在隨機性，即在確定性動力系統(tǒng)中出現(xiàn)的偽隨機現(xiàn)象；幾乎涉及到自然科學(xué)、社會科學(xué)的各個領(lǐng)域?；煦缈茖W(xué)史隨著現(xiàn)代科學(xué)技術(shù)的迅猛發(fā)展，尤其是在計算機技術(shù)的出現(xiàn)和普通應(yīng)用的基礎(chǔ)上發(fā)展起來的新興交叉學(xué)科。而混沌時間序列的研究，又是混沌學(xué)研究中一個重要的分支，其應(yīng)用非常廣泛，幾乎涉及到了各個領(lǐng)域，如：徑流預(yù)測、非線性經(jīng)濟時序的預(yù)測、通信信號調(diào)制識別、短期電力負荷預(yù)測、能源消費預(yù)測等方面。
　　 本文以數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡(luò)為分

2、析工具，用于分析混沌時間序列相關(guān)特性為目的。從兩個方面展開討論，一方面是借鑒已有的時間序列聚類分析方法，來分析混沌時間序列的聚類方法，提出了一種基于加權(quán)夾角距離相似性度量的增量式密度聚類算法，能更好適用于混沌時間序列持續(xù)增長的情況，減少了計算資源，充分利用了已有的聚類分析結(jié)果。另一方面，采用PSO優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)對混沌時間序列進行預(yù)測分析，能夠減少迭代次數(shù)、提高預(yù)測精度。主要工作如下：
　　 (1)在已有的時間序列聚類分析方法

3、研究的基礎(chǔ)上，提出了基于加權(quán)夾角距離相似性度量的增量式密度聚類的方法，能對時間序列進行聚類分析，同時也可對混沌時間序列進行聚類分析。增量式密度聚類分析方法能夠動態(tài)地聚類混沌時間序列，在原有聚類結(jié)果上，可實現(xiàn)對新增加的混沌時間序列數(shù)據(jù)聚類，該算法不但減少了計算資源，而且能夠得到較好的聚類結(jié)果。
　　 (2)針對小波神經(jīng)網(wǎng)絡(luò)在應(yīng)用中存在的問題和粒子群算法具有的收斂速度快等特點，提出了一個基于PSO優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的各個參數(shù)，建立了一