采用优化极限学习机的多变量混沌时间序列预测
基于优化极限学习机理论,提出一种多变量混沌时间序列预测方法.该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能;然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序进行一步和多步预测,并且与同类算法进行了比较,结果表明了该方法的有效性,且算法具有较强的抗噪能力;最后讨论了预测结果和隐层神经元数目的关系.
极限学习机、多变量时间序列、混沌序列预测、复合混沌优化
61
TP183(自动化基础理论)
国家自然科学基金60874091;江苏省‘六大人才高峰’高层次人才项目SJ209006;高等学校博士点基金20103223110003;江苏省高校基础研究计划08KJD510022;江苏省自然科学基金BK2010526;南京邮电大学引进人才项目NY209021;江苏省高校研究生科研创新计划CXZZl1_0400
2012-05-19(万方平台首次上网日期,不代表论文的发表时间)
37-45