论文部分内容阅读
准确的气温气压预测对于经济发展和国防建设都有着重要的意义。本文以混沌时间序列预测理论为依据,以连云港地区气温气压数据为时间序列实验样本,研究了时间延迟和嵌入维数两个相空间重构参数的选取并对三种混沌时间序列的预测算法进行比较研究。本文的主要工作如下:(1)对时间延迟和嵌入维数的选取进行了充分地理论分析与实验研究。相空间重构是混沌时间序列预测的基础,时间延迟和嵌入维数是相空间重构中的两个重要参数,选取合理的参数对于相空间重构的质量有着重要的作用。针对连云港地区的气温和气压数据,采用互信息量算法,分别得到了三个恰当的时间延迟。通过G-P算法从小到大计算嵌入维数,对于气温和气压分别计算出三个合理的嵌入维数,从预测效果来看,在合理的参数下,预测误差是可以接受的。(2)采用加权零阶局域法和加权一阶局域法进行预测研究。对于重构好的相空间,分别计算中心点到邻近域内各点的权值,在加权零阶局域法中,直接通过各个权值和相点坐标来计算出下一个相点的坐标,而在加权一阶局域法中,由最小二乘法求出相点演化的线性系数,再结合权值和相点坐标计算出未来相点的坐标,从而预测出时间序列下一个值,本文实验表明,加权一阶局域法比加权零阶局域法在预测气温气压数据方面有着更高的精度。(3)采用最大李雅普诺夫指数预测模型进行预测研究,计算最长可预测步长,并与局域预测模型进行对比研究。利用wolf算法得到模型的最大李雅普诺夫指数和最长可预测步长,计算距离中心点最近的相点,利用最大李雅普诺夫指数及最近相点和它的下一个相点之间的距离来预测未来的相点,从预测出的相点坐标中分离出预测值,本文实验表明,由于局域预测模型存在累积误差和线性局限性,所以基于最大李雅普诺夫指数的预测方法在气温气压数据预测上比加权零阶局域法和加权一阶局域法在精度上都有所提高。