混沌时间序列预测的建模与仿真研究

摘要：

研究混沌时间序列预测准确性问题,由于混沌时间序列具有混沌性和非线性,传统时间序列预测方法不能准确将混沌时间序列变化规律计算出来,导致预测精度低.为了提高混沌时间序列预测的精度,提出一种改进支持向量机的混沌时间序列预测方法(PSO-LSSVM).PSO-LSSVM采用相空间重构对混沌时间序列进行重构,去除其混沌性,用支持向量机对非线性进行预测,并采用粒子群算法对支持向量机参数进行优化,对经典混沌时间序列Mackey-Glass最优模型进行仿真测试.仿真结果表明,PSO-LSSVM加快了预测速度,提高了预测精度,在混沌时间序列预测中具有很好的应用价值.

关键词：混沌时间序列、最小二乘支持向量机、粒子群算法

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省教育厅自然科学专项2010JK663;西安科技大学培育基金200835

在线出版日期：2011-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：228-231