基于RBF神经网络结构选择方法的Mackey-Glass与Lorenz混沌时间序列预测建模

基于RBF神经网络结构选择方法的Mackey-Glass与

Lorenz混沌时间序列预测建模

邵海见1,2,3,邓 星1，2,3

【摘 要】 混沌时间序列的频谱状态丰富,能在不同状态下反映信号的激励特性,所以常用作预测建模的测量序列．传统的混沌时间序列的结构选择往往依赖于经验,无法充分反映混沌系统的特性,容易导致模型的推广范围较窄．针对以上问题,提出了一种基于RBF网络的Mackey-Glass与Lorenz混沌时间序列预测模型,利用模型结构选择方法来充分反映混沌系统的时序特性,并通过模型优化等策略提高模型的泛化能力．结果表明,模型结构选择方法能有效提高混沌时间序列的预测精度,具有良好的应用前景．

【期刊名称】江苏科技大学学报（自然科学版） 【年(卷),期】2018(032)005 【总页数】6

【关键词】 混沌时间序列预测;模型结构选择;神经网络;预测建模 修回日期：2017-05-26

基金项目： 国家自然科学青年科学基金资助项目(61806087)；江苏省高等学校自然科学研究面上项目(17KJB470002)；江苏科技大学科研启动基金资助项目(1132931804,1132931701)

引文格式： 邵海见,邓星.基于RBF神经网络结构选择方法的Mackey-Glass与Lorenz混沌时间序列预测建模[J].江苏科技大学学报(自然科学版)，2018，32(5)：701-706.DOI:10.11917/j.issn.1673-4807.2018.05.016.

混沌时间序列预测是时间序列预测的重要研究课题之一,其广泛存在于信号处理、