混沌时间序列的局域多项式系数建模及预测
Local Polynomial Coefficient AR Prediction Model for Chaotic Time Series作者机构:重庆理工大学数学与统计学院重庆
出 版 物:《统计学与应用》 (Statistical and Application)
年 卷 期:2015年第4卷第2期
页 面:56-69页
学科分类:0711[理学-系统科学] 07[理学] 08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程]
基 金:国家自然科学基金(11471060) 重庆市科委基础与前沿研究计划项目(cstc2014jcyjA40003) 重庆市教委研究生教育教学改革研究项目(Yjg133029) 重庆理工大学研究生教育教学改革研究一般项目(yjg2012208)
主 题:混沌时间序列 局域线性模型 相空间重构 局域非线性模型
摘 要:由于局域线性模型的简洁、易于实现,在过去的三十年里,它被广泛的研究并用来预测混沌时间序列。本文依据混沌时序的局部特性和非线性特性,在局域线性模型的基础上,提出基于多项式系数自回归模型的局域非线性混沌时间序列预测方法(简称局域非线性模型)。相比于局域线性模型,该模型能够有效地逼近混沌时间序列的非线性特性。三种典型的混沌时间序列(Logistic映射、Henon映射和Lorenz系统)的仿真结果表明,局域非线性模型的多步预测性能及预测稳定性均好于局域线性模型,且在样本数据较少的情况下也有较高的预测精度。