论文部分内容阅读
基于优化极限学习机理论,提出一种多变量混沌时间序列预测方法.该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能;然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序进行一步和多步预测,并且与同类算法进行了比较,结果表明了该方法的有效性,且算法具有较强的抗噪能力;最后讨论了预测结果和隐层神经元数目的关系.