基于经验模式分解与混沌分析的直接多步预测模型
直接多步预测不依靠单步预测的结果而直接使用测量数据,效果理想,但往往要求模型能够学习多种不同的目标函数.本文建它的直接多步预测混合模型,使用模式分解方法把原始时间序列分解成不I司尺度的基本模式分量,再经混沌分析和神经网络进行组合预测,减小了各步预测模型之间的差别,提高了模型对多种目标函数的学习能力,有效提高了预测精度.最后,通过基准时间序列验证了本模型的优越性.
直接多步预测、经验模式分解、混沌分析
34
TP18(自动化基础理论)
国家自然科学基金50679011,50479055;博士点基金20050141008;河北省科技厅资助项目072135125,072135124
2008-07-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
684-689