神经网络
第23卷 第1期 海 军 航 空 工 程 学 院 学 报 Vol. 23 No.1
of Naval Aeronautical and Astronautical University Jan. 2008 2008年1月 Journal
文章编号:1673 1522(2008)01-0021 05
混沌时间序列的神经网络预测研究
王永生a,范洪达a,尚崇伟b,刘 振a
(海军航空工程学院 a.兵器科学与技术系;b.新装备培训中心,山东 烟台 264001)
摘 要:研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。 关键词:混沌;时间序列;神经网络;预测 中图分类号:TP273
文献标志码:A
0 引言
由确定性的非线性动力系统产生的复杂的类似随机现象的行为称为混沌现象。来自确定的非线性系统的混沌信号作为一种宽频带类噪声信号,具有分维特征、对初始条件比较敏感、难以长期预测等特点。正是因为确定性混沌信号的这些特点,混沌理论在通信、雷达、控制、信号处理、生物医学等应用领域中扮演着越来越重要的角色,越来越多的研究人员投身于混沌的动态特征及其应用研究,以期利用简单的非线性动力系统揭示混沌信息处理的主要关系[1,2]。混沌时间序列(或混沌信号)是指对一个混沌系统进行观测采样而得到的一个单变量时间序列。混沌时间序列的预测可看作动力学系统研究的“反问题”。“正问题”是给定非线性动力学系统,研究其相空间中轨道的各种性质。“反问题”是给定相空间中的一串迭代序列(轨道的演化过程)或一组观测序列,要构造一个非线性映射来表达原系统,这个映射就可作为预测模型。因此,如何构造预测模型是混沌时间序列预测中的一个关键问题,对混沌时间序列进行建模和预测已成为当前混沌信号处理研究领域的研究热点[3-7]。
传统的时间序列预测方法,比如自回归、移动平均以及自回归移动平均的方法都属于线性的方法。而基于Takens的理论,人们提出了许多预测混
沌时间序列的非线性预测方法,大致可以分为全局预测法、局域预测法和自适应非线性滤波预测法
[8-12]
,但这些方法要求非常恰当的重构系统相空间,
且对噪声比较敏感。近年来提出的复杂非线性系统建模的方法,如模糊系统模型、支持向量机模型等
[13,14]
,对混沌时间序列进行预测研究,但是这些比
较新颖的方法,为了保证预测精度也存在着如何选择参数的困难以及计算时间的复杂性等问题。多层前向神经网络,由于其拓扑结构简单,且具有学习快速、高效等特点,应用广泛。已经从理论上证明,只要网络隐层的节点数足够多,神经网络所执行的从m维输入空间到n维输出空间的非线性映射,可以以任意精度逼近任何单值连续函数。本文研究利用相空间重构理论分析混沌时间序列,然后利用BP神经网络对其进行预测,以典型混沌Lorenz和Mackey-Glass序列为例分析预测结果,以得到有意义的结论。
1 混沌时间序列的状态空间重构
非线性混沌动力系统的状态演化可以由以下非线性微分方程来表示:
&X(t)=A(X(t)), (1) 或者由非线性差分方程表示:
X(k+1)=G(X(k)), (2)
式(1)、(2)中:X是系统的状态向量,A(g)或者G(g)
收稿日期:2007-07-02
作者简介:王永生(1978 ),男,讲师,博士生;范洪达(1940 ),男,教授,博导,大学。
变参数混沌时间序列的神经网络滚动预测研究_专业资料。神经网络适合于全局建模预测,在确定性混沌系统时间序列的预测中获得广泛应用.许多混沌系统由于参数的慢变导致...
与现有预测方法比较,神经网络在混沌时间序列预测中具有优势。利用RBF神经网络对混沌Lorenz时间序列的预测进行仿真研究,仿真结果表明:在单步直接预测、单步间接预测、多...
结果表明,所提出的混沌神经神经网络模型能快速、精确地预测混沌时间序列,并能在一定精度上满足多步预测需要,是研究复杂非线性动维普资讯 http://www.cqvip.com 第...
基于差分进化的BP神经网络预测混沌时间序列_机械/仪表_工程科技_专业资料 暂无评价
基于神经网络的混沌时间序列预测_专业资料。为了提高了RBF神经网络对于混沌时间序列的预测性能,从相空间重构理论出发,建立RBF神经网络,并且改变RBF神经网络训练参数及...
最后,探讨了BP神经网络的模型与结构、BP算法学习规则, 构建了基于BP神经网络的混沌时间序列预测模型,研究了神经网络 的规模、推广能力等问题。并利用建立的BP神经...
基于遗传神经网络的超混沌时间序列预测 研究了超混沌系统的预测问题。通过分析混沌时间序列,建立具有多个隐节点的3层前馈网络,基于泛化性考虑采用剪枝算法训练,在...
基于BP神经网络的混沌时间序列预测方法及应用研究 神经网络在时间序列的预测中得到广泛的应用,但神经网络模型的输入层神经元个数的选取仍然没有一个明确的解析式来...
由于混沌方程有限以及混沌序列对 初值的敏感,该方法对方程的参数要求高,预测效果不好,近年采用神经鼹 络对时间序列进行了预测的研究,但单~的神经网络对预测结采有...
热门文档