论文部分内容阅读
根据相空间重构理论，探讨了一种基于小波神经网络（WNN）的混沌时间序列预测方法。根据G—P算法和Takens理论，计算出混沌时间序列相空间重构所需的最小嵌入维数，以此作为网络的输入节点数。通过时频分析，使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测，验证了方法的有效性。结果表明，对于混沌时间序列的预测，WNN网络比BP网络表现出更理想的预测效果，为非线性动态系统的预测提供了一种有效的途径。