多元混沌時間序列的變量選擇及預(yù)測方法研究.pdf

1、分析觀測時間序列的演變規(guī)律是掌握系統(tǒng)動力學(xué)特性的重要手段。復(fù)雜的混沌系統(tǒng)往往表現(xiàn)為多變量時間序列相互影響的動態(tài)演化行為，因此基于多變量混沌時間序列的預(yù)測研究得到越來越多的關(guān)注。但是在序列中增加不必要的冗余變量，可能導(dǎo)致預(yù)測模型的結(jié)構(gòu)過于復(fù)雜，影響模型學(xué)習(xí)算法的效率和精度。針對上述問題，本文在過濾式(Filter)和封裝式(Wrapper)變量選擇方法基礎(chǔ)上，提出基于輸入變量選擇的多變量混沌時間序列預(yù)測方法，為預(yù)測模型選擇合理的輸入變量。

2、 在過濾式變量選擇方法的框架下，采用典型相關(guān)分析方法研究變量之間的相關(guān)性，并借助徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)與核函數(shù)理論，提出一種改進的非線性典型相關(guān)分析方法，用少數(shù)幾個綜合變量反映原始多變量輸入的大部分信息，從而達到降低輸入變量維數(shù)的目的。為克服過濾式變量選擇方法缺乏合理評判標準的問題，提出基于神經(jīng)網(wǎng)絡(luò)靈敏度分析的封裝式變量選擇方法，將預(yù)測精度作為變量選擇效果好壞的評價準則，為每個輸入節(jié)點定義一個靈敏度函數(shù)，考察輸入變量的變化對預(yù)測輸出

3、的影響程度，選擇靈敏度較大的節(jié)點作為預(yù)測模型的輸入。考慮到混沌時間序列系統(tǒng)分量之間雖然沒有明顯的相關(guān)性，但在相空間鄰域可能產(chǎn)生同步的特性，提出基于混沌序列相空間同步的非線性相關(guān)分析方法，探討變量在其相空間鄰域軌跡上的相互依賴性，并在此基礎(chǔ)上構(gòu)建多變量局域預(yù)測模型，以更好體現(xiàn)多變量混沌序列運動的演化。為驗證本文所提方法的有效性，分別將其應(yīng)用于數(shù)值模擬產(chǎn)生的多變量混沌時間序列和實際氣象領(lǐng)域觀測獲得的多變量混沌時間序列進行仿真分析，結(jié)果表明本