应用数学和力学
應用數學和力學
응용수학화역학
APPLIED MATHEMATICS AND MECHANICS
2004年
6期
551-557
,共7页
非线性自相关混沌模型%小波神经网络%参数识别%时序预测
非線性自相關混沌模型%小波神經網絡%參數識彆%時序預測
비선성자상관혼돈모형%소파신경망락%삼수식별%시서예측
主要研究由混沌时序所确定的非线性动力系统的预测方法.研究了非线性自相关混沌模型的结构,模型阶数的确立技术.将神经网络和小波理论相结合,研究了小波变换神经网络的结构,给出了小波神经网络的学习方法;提出了一种新的基于小波网络的参数辨识方法.该方法可以有选择地提取时序中的不同的时间、频率尺度,实现原时序的趋势或细节预测.通过对混沌时序进行预处理,并比较预处理后的预测结果,得到了一些有益的结果:用非线性自相关混沌模型采用小波网络对模型参数进行辨识,其辨识的准确程度较高,用该模型对混沌时序(包括含有噪声)的预测比较有效.
主要研究由混沌時序所確定的非線性動力繫統的預測方法.研究瞭非線性自相關混沌模型的結構,模型階數的確立技術.將神經網絡和小波理論相結閤,研究瞭小波變換神經網絡的結構,給齣瞭小波神經網絡的學習方法;提齣瞭一種新的基于小波網絡的參數辨識方法.該方法可以有選擇地提取時序中的不同的時間、頻率呎度,實現原時序的趨勢或細節預測.通過對混沌時序進行預處理,併比較預處理後的預測結果,得到瞭一些有益的結果:用非線性自相關混沌模型採用小波網絡對模型參數進行辨識,其辨識的準確程度較高,用該模型對混沌時序(包括含有譟聲)的預測比較有效.
주요연구유혼돈시서소학정적비선성동력계통적예측방법.연구료비선성자상관혼돈모형적결구,모형계수적학립기술.장신경망락화소파이론상결합,연구료소파변환신경망락적결구,급출료소파신경망락적학습방법;제출료일충신적기우소파망락적삼수변식방법.해방법가이유선택지제취시서중적불동적시간、빈솔척도,실현원시서적추세혹세절예측.통과대혼돈시서진행예처리,병비교예처리후적예측결과,득도료일사유익적결과:용비선성자상관혼돈모형채용소파망락대모형삼수진행변식,기변식적준학정도교고,용해모형대혼돈시서(포괄함유조성)적예측비교유효.
