支持向量機(jī)在混沌預(yù)測(cè)和辨識(shí)中的應(yīng)用研究.pdf

1、混沌預(yù)測(cè)和辨識(shí)是完成混沌同步和混沌控制的基礎(chǔ)。目前,神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)等計(jì)算智能方法已經(jīng)被廣泛應(yīng)用于混沌預(yù)測(cè)和辨識(shí)中,并取得了較好的效果。本文進(jìn)一步研究了基于支持向量機(jī)方法的混沌系統(tǒng)預(yù)測(cè)與辨識(shí),將支持向量機(jī)應(yīng)用于混沌時(shí)間序列的單步和多步預(yù)測(cè)中,取得了較好的預(yù)測(cè)效果:研究了使用粒子群優(yōu)化方法優(yōu)化支持向量機(jī)的核參數(shù);將支持向量機(jī)用于典型的混沌系統(tǒng)辨識(shí)中,分析比較了基于SVM的辨識(shí)模型性能,結(jié)果表明了該方法的有效性。
　　 本文的主要

2、研究?jī)?nèi)容包括以下幾個(gè)方面:
　　 (1)研究了混沌時(shí)間序列相空間重構(gòu)理論,確定混沌時(shí)間序列的延遲時(shí)間的互信息法,確定其嵌入維數(shù)的Cao方法。在此基礎(chǔ)上,對(duì)Mackey-Glass、SantaFe和月太陽黑子三種典型的混沌時(shí)間序列,使用最小二乘支持向量回歸機(jī)(LeastSquareSupportVectorRegression,LS-SVR)進(jìn)行單步預(yù)測(cè),分析比較了預(yù)測(cè)模型的性能。為了驗(yàn)證LS-SVR方法的有效性,比較了徑向基核函

3、數(shù)、多項(xiàng)式核函數(shù)與感知器核函數(shù)的LS-SVR.預(yù)測(cè)模型性能;進(jìn)一步,還與使用上述核函數(shù)的ε-SVR和ν-SVR預(yù)測(cè)模型進(jìn)行了性能分析與比較;研究了改進(jìn)粒子群優(yōu)化方法優(yōu)化核參數(shù)后的LS-SVR預(yù)測(cè)模型性能;研究了基于SVR、LS-SVR的預(yù)測(cè)模型在含噪混沌時(shí)間序列預(yù)測(cè)中的應(yīng)用。
　　 (2)研究了LS-SVR對(duì)混沌時(shí)間序列進(jìn)行直接多步預(yù)測(cè)和迭代多步預(yù)測(cè)的性能,與ε-SVR和ν-SVR建立的多步預(yù)測(cè)模型進(jìn)行了分析比較,實(shí)驗(yàn)結(jié)果表明,

4、對(duì)混沌時(shí)間序列多步預(yù)測(cè),基于LS-SVR的預(yù)測(cè)模型是有效的,其預(yù)測(cè)性能得到進(jìn)一步提升。
　　 (3)針對(duì)混沌辨識(shí),使用LS-SVR建立一維Logistic映射、二維Henon映射和三維Lorenz系統(tǒng)的辨識(shí)模型。分別通過重構(gòu)混沌吸引子和計(jì)算Lyapunov指數(shù)與原系統(tǒng)比較,定性和定量評(píng)價(jià)辨識(shí)模型性能。與前饋神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)建立的辨識(shí)模型進(jìn)行了預(yù)測(cè)性能比較。實(shí)驗(yàn)結(jié)果表明,基于LS-SVR建立的辨識(shí)模型能夠很好地逼近混沌