论文部分内容阅读
混沌时间序列预测研究的2个焦点：一个是增加预测模型的复杂度，以面向控制、水文、气象，脑电生理学等研究背景下的具体预测需求；另一个是引入和改进模式识别领域里的特征提取算法，从而降低混沌数据的预测难度，以提高预测精度。采用经验模态分解和独立成分分析算法，改进线性和非线性特征的提取。并在解析意义下，给出了一种新颖的隐式特征表达。在不改进预测模型的前提下，提出了一种混沌序列隐式特征提取算法。采用经典的Mackey—Glass仿真、比利时皇家天文台太阳黑子数，以及密西西比河实测流量数据实验表明，该方法提高了模型预测