基于BP神經網絡的混沌時間序列預測模型研究.pdf

1、在科學、經濟、工程等許多應用中都存在著在歷史數(shù)據(jù)的基礎上預測未來的問題。時間序列預測是預測領域內的一個重要研究方向，這是一種根據(jù)歷史數(shù)據(jù)構造時間序列模型，再把模型外推來預測未來的一種方法。近年來，來自天文、水文、氣象等領域如太陽黑子、徑流量、降雨量等時間序列都被發(fā)現(xiàn)含有混沌特性。面對自然和社會經濟現(xiàn)象中大量存在的混沌時間序列，傳統(tǒng)的統(tǒng)計分析方法效果欠佳。神經網絡具有優(yōu)良的非線性特性，非常適合于混沌序列預測的研究。基于人工神經網絡與混沌理

2、論的預測研究是近幾年來的研究熱點，受到了特別的重視，本論文對此作了較為系統(tǒng)深入的研究。 首先，本文對混沌時間序列的概念和判別方法做了簡單介紹，介紹了一個具體的人工混沌時間序列模型：Lorenz模型，總結了時間序列的混沌識別的一些基本方法。 然后，介紹了混沌時間序列預測的基礎：相空間的重構理論，即把具有混沌特性的時間序列重建為一種低階非線性動力學系統(tǒng)。通過相空間重構，可以找出隱藏在混沌吸引子中的演化規(guī)律，使現(xiàn)有的數(shù)據(jù)納入某

3、種可描述的框架之下，從而為時間序列的研究提供了一種嶄新的方法和思路。在重構相空間時，合適的延遲時間和嵌入維數(shù)的選取至關重要。本文著重介紹了GP算法，在GP算法計算中，通常需要確定無標度區(qū)，無標度區(qū)的準確性將直接影響分形維的準確性。本文對此問題進行了比較深入的研究，提出了一種選取無標度區(qū)的簡單方法。 最后，探討了BP神經網絡的模型與結構、BP算法學習規(guī)則，構建了基于BP神經網絡的混沌時間序列預測模型，研究了神經網絡的規(guī)模、推廣能力