10.3321/j.issn:1000-3290.2004.10.012
混沌时间序列的支持向量机预测
根据混沌动力系统的相空间延迟坐标重构理论,基于支持向量机的强大的非线性映射能力, 建立了混沌时间序列的支持向量机预测模型,并在统计学习理论的基础上采用最小二乘方法来训练预测模型,利用该模型对嵌入维数与模型的均方根误差的关系进行了探讨.最后利用Mackey-Glass时间序列和变参数的Ikeda 时间序列对该模型进行了验证,结果表明,该预测模型能精确地预测混沌时间序列,而且在混沌时间序列的嵌入维数未知时也能取得比较好的预测效果.这一结论预示着支持向量机是一种研究混沌时间序列的有效方法.
混沌时间序列、支持向量机、最小二乘法
53
O4(物理学)
国家自然科学基金60036010,60276037;高等学校博士学科点专项科研项目20020698014
2004-12-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
3303-3310