版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 支持向量機(jī)在基坑變形預(yù)測(cè)中的應(yīng)用研究.pdf
- 改進(jìn)支持向量機(jī)在大壩變形預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究.pdf
- 灰色支持向量機(jī)在小樣本預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)在沖擊地壓預(yù)測(cè)模型中的應(yīng)用研究.pdf
- 基于支持向量機(jī)的混沌序列預(yù)測(cè)方法研究.pdf
- 基于支持向量機(jī)的混沌時(shí)間序列預(yù)測(cè).pdf
- 基于支持向量機(jī)和混沌理論的壓縮機(jī)狀態(tài)預(yù)測(cè)方法研究.pdf
- 支持向量回歸機(jī)在組合預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)在風(fēng)電功率預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)回歸在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)在股票預(yù)測(cè)中的應(yīng)用
- 支持向量機(jī)在水質(zhì)評(píng)價(jià)及預(yù)測(cè)中的應(yīng)用研究.pdf
- 混合核支持向量機(jī)在地鐵客流預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)方法在風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)和決策樹算法在財(cái)務(wù)失敗預(yù)測(cè)中的應(yīng)用研究.pdf
- 神經(jīng)網(wǎng)絡(luò)在混沌時(shí)間序列預(yù)測(cè)中的應(yīng)用研究.pdf
- 23758.支持向量機(jī)在滑坡變形預(yù)測(cè)中的應(yīng)用研究
- 基于支持向量機(jī)的混沌時(shí)間序列預(yù)測(cè)方法的研究.pdf
評(píng)論
0/150
提交評(píng)論