论文部分内容阅读
针对用单一指标判断时间序列的混沌特性的不足,本文应用Hurst指数、Lyapunov指数以及饱和关联维数从不同的角度对和田绿洲空气相对湿度的混沌特性进行了识别。在此基础上将混沌理论与神经网络相结合,建立了混沌神经网络预测模型,利用此模型分别对1954-2002年和2003-2004年和田河流域月平均相对湿度进行模拟和预测,其平均相对误差分别为2.96%和0.85%,表明模型具有较高的精度。