基于深度学习的混沌时间序列预测研究

作     者：陈立志 

作者单位：沈阳理工大学 

学位级别：硕士

导师姓名：刘芳

授予年度：2023年

学科分类：07[理学] 08[工学] 081104[工学-模式识别与智能系统] 070201[理学-理论物理] 0811[工学-控制科学与工程] 0702[理学-物理学] 

主      题：混沌时间序列 单步预测 多步预测 高精度 

摘      要：混沌时间序列具有类似随机运动的外在特征,表现出一种无序的随机状态,但其内在具有的非线性动力学系统使得对混沌时间序列进行一定期限内的预测成为可能。目前,混沌时间序列的预测主要分为单步预测和多步预测,建立具有高精度的混沌时间序列预测方法,可以推进混沌时间序列预测的发展,因此本文围绕混沌时间序列预测方法展开深入研究。本文在研究国内外混沌时间序列预测方法的现状与现有混沌时间序列预测方法的基础上,针对现有的混沌时间序列单步预测方法将预测视为一种简单回归,采用单一模型,导致预测结果误差较大的问题,提出一种高精度的混沌时间序列单步预测方法。该方法将方向趋势考虑到混沌时间序列单步预测问题上,通过改进训练目标函数,采用两种预测模型,从多角度预测出发,经过优化算法结合预测结果,以提高混沌时间序列单步预测精度,从而实现高精度的混沌时间序列单步预测。同时,考虑到目前多数多步预测方法存在数据泄露问题,提出一种高精度的混沌时间序列多步预测方法。该方法设计重叠切片,多次对混沌时间序列进行预处理,改进降噪阈值函数,将处理后的序列数据进行重组,以减少噪声对预测造成的干扰,同时达到防止数据泄露的效果,实现高精度的混沌时间序列多步预测。最后,通过与现有广泛应用的混沌时间序列预测方法进行仿真对比分析,从有效性和误差角度验证了高精度的混沌时间序列单步预测方法和多步预测方法满足混沌时间序列高精度的预测要求,具有一定有效性和优越性。