資源描述:
《基于小波消噪和ls-svm 的混沌時(shí)間序列預(yù)測(cè)模型及其應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、第28卷第6期大地測(cè)量與地球動(dòng)力學(xué)Vol.28No.62008年12月JOURNALOFGEODESYANDGEODYNAMICSDec.,2008文章編號(hào):16715942(2008)06009605基于小波消噪和LSSVM的混沌時(shí)間序列預(yù)測(cè)模型及其應(yīng)用秦永寬黃聲享趙卿(武漢大學(xué)測(cè)繪學(xué)院,武漢430079)摘要提出將小波消噪、相空間重構(gòu)理論與LSSVM相結(jié)合,實(shí)現(xiàn)變形監(jiān)測(cè)數(shù)據(jù)的建模及預(yù)測(cè)。先對(duì)變形監(jiān)測(cè)時(shí)間序列進(jìn)行小波消噪;然后用CC法求出非線性變形數(shù)據(jù)的最優(yōu)嵌入維數(shù)和時(shí)間延遲參數(shù),并對(duì)其進(jìn)行相空間重構(gòu);最后采用LSSVM對(duì)其進(jìn)行建模
2、預(yù)測(cè),并與BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果進(jìn)行了比較分析。實(shí)例表明,基于小波消噪和LSSVM的混沌時(shí)間序列預(yù)測(cè)模型具有較好的預(yù)測(cè)效果。關(guān)鍵詞混沌時(shí)間序列;相空間重構(gòu);小波消噪;最小二乘支持向量機(jī);變形分析中圖分類號(hào):P207文獻(xiàn)標(biāo)識(shí)碼:APREDICTIONMODELOFCHAOTICTIMESERIESBASEDONWAVELETDENOISINGANDLSSVMANDITSAPPLICATIONQinYongkuan,HuangShengxiangandZhaoQing(SchoolofGeodesyandGeomatics,WuhanUnivers
3、ity,Wuhan430079)AbstractOnthebasisofintegratingthewaveletdenoising,thetheoryofphasespacereconstructionandLSSVM,amodelingandforecastingtechniqueisputforward.First,thewaveletdenoisingisusedtopreprocessdata,thenthebestembeddingdimensionandtimedelayofnonlineardeformationdataar
4、ecalculatedwiththemethodcalled“CC”,thephasespaceisreconstructedaswell.Atlast,themodelingpredictioniscarriedoutbyLSSVMandalsoiscomparedwithBPneuralnetwork.TheresultsshowthatthepredictionmodelofchaotictimeseriesbasedonwaveletdenoisingandLSSVMisbetter.Keywords:chaotictimeseri
5、es;phasespacereconstruction;waveletdenosing;LSSVM;deformationanalysis應(yīng)用上受到了極大的限制。近年來(lái),混沌理論與神1引言經(jīng)網(wǎng)絡(luò)的發(fā)展為研究這一問(wèn)題提供了新的方法?;煸趯?duì)大壩、邊坡、建筑物等變形體進(jìn)行監(jiān)測(cè)時(shí)得沌系統(tǒng)是一個(gè)確定性的非線性動(dòng)力學(xué)系統(tǒng),是一種到的往往是一組隨時(shí)間變化的數(shù)據(jù),即所謂的時(shí)間可以從無(wú)序和復(fù)雜中產(chǎn)生出有序和規(guī)律的系統(tǒng),應(yīng)序列。由于這些數(shù)據(jù)往往是非平穩(wěn)和非線性的,大該說(shuō)混沌是介于隨機(jī)和規(guī)律之間的。由于混沌系統(tǒng)多數(shù)傳統(tǒng)時(shí)間序列模型如AR、ARMA、ARIMA等在具有對(duì)
6、初始條件的極端敏感性,即所謂的“蝴蝶效收稿日期:20080509基金項(xiàng)目:國(guó)家交通部西部交通建設(shè)科技基金(200531881203)作者簡(jiǎn)介:秦永寬,男,1985年生,碩士生,現(xiàn)主要從事衛(wèi)星定位導(dǎo)航技術(shù)及其應(yīng)用等方面的研究.E-mail:kyqin510@126.com第6期秦永寬等:基于小波消噪和LSSVM的混沌時(shí)間序列預(yù)測(cè)模型及其應(yīng)用97應(yīng)”,因而混沌時(shí)間序列是長(zhǎng)期不可預(yù)測(cè)的,但在短1)設(shè)實(shí)際所觀察到的長(zhǎng)度為N的時(shí)間序列為:期內(nèi)是可以預(yù)測(cè)的。人工神經(jīng)網(wǎng)絡(luò)是生物神經(jīng)系統(tǒng)x1,x2,…,xN,將其嵌入到m維歐氏子空間中,選定的一種高度簡(jiǎn)化后的
7、近似,是處理非線性映射問(wèn)題一個(gè)時(shí)間延遲τ,從x1開(kāi)始取值,往后延遲一個(gè)時(shí)間的有效工具。但是,人工神經(jīng)網(wǎng)絡(luò)缺乏完備的理論延遲τ取一個(gè)值,取到m個(gè)數(shù)為止,得到m維子空基礎(chǔ),網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的選擇以及連接權(quán)初值的確定間的第一個(gè)點(diǎn):r1:{x1,x1+τ,…,x1+(m-1)τ);主要是憑經(jīng)驗(yàn)選取,并且神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法是基2)去掉x1,以x2為第一個(gè)數(shù),以同樣的方法得于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化(EmpiricalRiskMinimization,到第二個(gè)點(diǎn):r2:{x2,x2+τ,…,x2+(m-1)τ);ERM)原則,因而會(huì)不可避免地出現(xiàn)“過(guò)擬合”現(xiàn)象,3)長(zhǎng)度為N的
8、時(shí)間序列依次可得到Nm=N-影響了模型的推廣泛化能力。(m-1)τ個(gè)相點(diǎn),構(gòu)成m維子空間:[1]支持向量機(jī)(