基于高斯过程混沌时间序列单步与多步预测.pdfVIP

物理学报 Acta Phys． Sin． Vol． 60 ，No． 7 (2011) 070513 基于高斯过程的混沌时间序列单步与多步预测*  李 军 张友鹏 ( ， 730070 ) 兰州交通大学自动化与电气工程学院 兰州 (20 10 9 13 ;20 10 11 4 ) 年 月 日收到 年 月 日收到修改稿 ， (GP ) ． GP 针对混沌时间序列单步和多步预测 提出基于复合协方差函数的高斯过程 模型方法 模型的确立由 ， ， ， 协方差函数决定 通过对训练数据集的学习 在证据最大化框架内 利用矩阵运算和优化算法自适应地确定协方差 ． GP 、 ， ． 函数和均值函数中的超参数 模型与神经网络 模糊模型相比 其可调整参数很少 将不同复合协方差函数的 GP ， GP 、 、 模型应用在混沌时间序列单步及多步提前预测中 并与单一协方差函数的 支持向量机 最小二乘支持向量 、 ． ， GP 机 径向基函数神经网络等方法进行了比较 仿真结果表明 基于不同复合协方差函数的 方法能精确地预测混 ， ． ， ． 沌时间序列 具有稳健的特性 因此 它是研究复杂非线性动力系统辨识和控制的一种有效方法 : ， ， ， 关键词 高斯过程 混沌时间序列 预测 模型比较 PACS :05 ． 45 ． Tp ，02 ． 50 ． Ey ，05 ． 45 ． － a ，05 ． 45 ． Gg ， ， 间建立模型 基于数据间的相关性 构造协方差函 ， Bayesian ， 1. 引 言 数 通过 推理进行计算 与典型的神经网 、 ，GP 络 支持向量机相比 模型的优点是可调整参数 ， 混沌现象在自然界中广泛存在 混沌动力学系 少得多， 能够把先验知识和观测数据结合的完美无 ， 统就是一类典型的复杂高维非线性动力系统 具有