基于相空间重构的Bernstein神经网络混沌序列预测

• 作 者: 张宏立 李瑞国 范文慧
• 机 构: 新疆大学电气工程学院,清华大学自动化系,
• 出 处: 系统仿真学报
• 发表日期: 2015年33期
• 关键词: phase space reconstruction Bernstein neural network PSO algorithm chaotic time s

针对传统BP神经网络、RBF神经网络及AR模型预测精度不高、结构复杂,提出了相空间重构与Bernstein神经网络组合预测的新方法,并结合PSO算法进行组合预测模型的参数优化。分别以Sprott-J混沌系统和交通流系统为模型,利用自相关法和Cao方法相结合对混沌时间序列进行相空间重构;利用重构时间延迟相量及Bernstein神经网络建立预测模型,并与传统的BP神经网络、RBF神经网络及AR模型进行对比分析。仿真结果表明,相空间重构与Bernstein神经网络组合预测较传统模型结构简单、模拟效果好、预