面向混沌时间序列预测的隐式特征提取算法-论文.pdf

《面向混沌时间序列预测的隐式特征提取算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第1期仪器仪表学报V01．35No．12014年1月ChineseJournalofScientificInstrumentJan．2014面向混沌时间序列预测的隐式特征提取算法雷苗，彭宇，彭喜元(哈尔滨丁业大学自动化测试与控制研究所哈尔滨150080)摘要：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～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

2、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精度。关键词：混沌时间序列；隐式特征提取；经验模态分解；独立成分分析中图分类号：TP391文献标识码：A国家标准学科分类代码：510．40Novelhiddenfeatureextractionmethodforchaoti

3、ctimeseriespredictionLeiMiao，PengYu，PengXiyuan(AutomaticTestandControlInstitute，HarbinInstituteofTechnology，Harbin150080，China)Abstract：Chaotictimeseriespredictionisanactiveresearchareaandhasreceivedconsiderableattention．Previousresearchhasfocusedont

4、woaspects，oneisimprovingtheforecastingmodelcomplexitytomeettherequirementsoftheapplicationsinvarietyofareas，suchascontrol，hydrology，meteorologyandcerebralelectrophysiology，theotherisintroducingandimprovingthefeatureextractionalgorithminpatternrecogni

5、tionfield．Theaimofthisworkistode-creasethepredictiondifficultyofchaoticdataandimprovethepredictionaccuracy．Thispaperadoptsempiricalmodedecompositionandindependentcomponentanalysisalgorithmstoimprovetheextractionoflinearandnon-linearfea·tures；andanove

6、lhiddenfeatureexpressionisgiveninthesenseofanalysis．Afeatureextractionmethodinhiddenmodeforchaotictimeseriespredictionisproposedwithoutimprovingthepredictionmode1．TheresultsofclassicalMackey-Glasstimeseriessimulationandtheexperimentsonsunspotdatafrom

7、RoyalObservatoryofBelgiumandMississippiriverflowtimeseriesshowthattheforecastingresultsoftheproposedhiddenfeatureextractionmethodaresuperiortothoseofElmanneuralnetwork，leastsquaressuppoflvectormachineandtheElmanneuralnetworktom—binedwithempiricalmode

8、decomposition．Keywords：chaotictimeseries；hiddenfeatureextraction；empiricalmodedecomposition；independentcomponentanalysis水利、气象、脑电生理学等实际工程领域，如河流径流量、1引太阳黑子、潮汐、脑电波等时间序列也都被发现具有混沌特性。分析和预测混沌时间序列的演变规律不仅是掌握自20世纪60年代初，美国麻省理工学院科学家复杂系统动力学特性的重要手段，也可以为大气洋流、潮Lorenz