用模糊系统和支持向量机预测MackeyGlass混沌时间系列.pdfVIP

第二届全国先进制造装备与机器人技术论文集 用模糊系统和支持向量机预测 I ass混沌时间系列 Mackey-G 林克荣 叶明 (杭州电子科技大学自动化学院。310018) 董要：本文提出了一维时间序列预测模型的基本框架；给出评价预测器的评价准则．并分别用模糊系统 和支持向量机对Mackey—Glass时闻序列进行预测，比较两者的预测效果并得出结论． 关健词：隶属度函数支持向量机均方根误差 1引言 混沌时间序列预测是建立在Takens”i提出的嵌入定理和相空问重构理论基础上的，其目的 是试图在高维相空间中恢复混沌吸引子。其基本思想是，系统中的任一分量的演化是由与之 相互作用着的其它分量所决定的，这些相关分量的信息就隐含在任一分量的发展过程中。由 此，可以从一批仅仅与时间相关的混沌数据中提取和恢复出系统原来的规律，该规律可表达 为高维空间下的一种轨迹。目前混沌时间序列的预测方法主要有：模糊系统、支持向量机非 线性回归以及神经网络等。 模糊系统在时间系列预测中，以其理论的完整性和简单性，以及预测的精确性，在时间 序列(例如金融预测)的预测中有相当广泛的应用。基于神经网络的预测方法也是重要的一 种非线性预测方法并取得了较好的结果。但由于神经网络的结构过于复杂且难蛆选择，需要 估计的参数相对于较少的数据样本显得太多，导致所得到的神经网络模型相对于数据容易产 生过拟合，即泛化能力不够，从而使预测精度不高，在实际应用中受到了限制。而支持向量 机，提供一种独立于维数的控制模型复杂性的方法。特别地，利用定义在特征(隐藏)空问的惩 罚超平面作为决策面。模型的复杂性问题在高维空问中得到解决，结果有很好的泛化性能。 本文分别采用模糊系统和支持向量机对Mackey—GIass混沌时间系列进行预测，并比较了 其预测性能。 2时间序列预测建模的一般框架 根据KolmogrDv定理，任何一个时间序列都可以看成是由一个非线性机制确定的输入输 出系统。因此，时间序列预测本质上就是依据历史数据序列寻找映射f：R…一R”逼近数据 中的隐含非线性机制F，这样就可以采用，作为理想的预测嚣使用。所提出的基本框架是：对 时间序列进行相空间重构，构造训练样本数据对，选择合适的函数逼近1具，进行参数估计 和拓扑结构确定，最后，根据确定的预测器构建预测模型进行序列分析。提出的基本框架结 构如图I所示，其中，f表示逼近规律，F表示理想中的数据规律，k}表示一维时间序列， 第二届全国先进制造装备与机器人技术论文集 e表示预测器的误差学习算法，扛，y}，』∈曰”1表示重构得到的样本对，矗，}表示输入，抄} 表示目标值，分’}表示预测值。 图2-1时间序列预铡建模的基本框架 3查表法用子时间序列预测的理论 假设时间序列通过数据预处理，产生如下输入-输出数据对： N；i≥O； (1) (《AxT；y’)，p=1,2，A R“，(％=O，A，f)， 式中，i为输入向量维数．xfEU=【％，Po]xA陋，，属】c Y”∈V=k。，卢。1cR”。目的是根据上面产生的N对输入一输出数据设计一个模糊系统f。 下面给出利用查表法设计此模糊系统的五个步骤： (I)．把输入空间和输出空问划分为模糊区闯 具体做法为，在每个区间陋。，屈】(t=O，人，i)上定义Nk个完备的模糊集 式可根据需要选择(具体请参见【l】)。 (2)．由一个输入．输出数据对产生一条模糊规则 属于模糊集群(J=1,2，人，^『I)的隶属度值和y”隶属于模糊集B7，z=1,2，人，Ⅳ，的隶属度 值，即计算∥刎@f)和∥一。 最后，可以得到如下的模糊IF-THEN规则 2 第二二届全国先进制造装备与机器人技术论文集 IFJ。