基于小波神经网络的混沌时间序列预测及应用
根据相空同重构理论，探讨了一种基于小波神经网络(WNN)的混沌时问序列预测方法。根据G-P算法和Takens理论，计算出混沌时问序列相空间重构所需的最小嵌入维数。以此作为网络的输入节点数。通过时频分析，使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测，验证了方法的有效性。结果表明。对于混沌时间序列的预测，WNN网络比BP网络表现出更理想的预测效果，为非线性动态系统的预测提供了一种有效的途径。
小波神经网络 混沌时间序列 预测方法 非线性动态系统
陶小创 樊焕贞 吕琛 王自力
北京航空航天大学可靠性与系统工程学院,北京,100191
国内会议
南京
中文
174-178
2011-08-01（万方平台首次上网日期，不代表论文的发表时间）