基于小波消噪与ls-svm 的混沌时间序列预测模型及其应用.pdfVIP

第２８卷第６期 大地 测 量 与地 球 动 力 学 Ｖｏｌ．２８Ｎｏ．６ ２００８年１２月 ＪＯＵＲＮＡＬＯＦＧＥＯＤＥＳＹＡＮＤＧＥＯＤＹＮＡＭＩＣＳ 　 Ｄｅｃ．，２００８ 　　文章编号：１６７１５９４２（２００８）０６００９６０５ 基于小波消噪和ＬＳＳＶＭ的混沌时间序列 预测模型及其应用 秦永宽　黄声享　赵　卿 （武汉大学测绘学院，武汉　４３００７９） 摘　要　提出将小波消噪、相空间重构理论与ＬＳＳＶＭ相结合，实现变形监测数据的建模及预测。先对变形监测 时间序列进行小波消噪；然后用ＣＣ法求出非线性变形数据的最优嵌入维数和时间延迟参数，并对其进行相空间 重构；最后采用ＬＳＳＶＭ对其进行建模预测，并与ＢＰ神经网络的预测结果进行了比较分析。实例表明，基于小波 消噪和ＬＳＳＶＭ的混沌时间序列预测模型具有较好的预测效果。 关键词　混沌时间序列；相空间重构；小波消噪；最小二乘支持向量机；变形分析 中图分类号：Ｐ２０７　　　　文献标识码：Ａ ＰＲＥＤＩＣＴＩＯＮＭＯＤＥＬＯＦＣＨＡＯＴＩＣＴＩＭＥＳＥＲＩＥＳＢＡＳＥＤＯＮ ＷＡＶＥＬＥＴＤＥＮＯＩＳＩＮＧＡＮＤＬＳＳＶＭＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮ ＱｉｎＹｏｎｇｋｕａｎ，ＨｕａｎｇＳｈｅｎｇｘｉａｎｇａｎｄＺｈａｏＱｉｎｇ （ＳｃｈｏｏｌｏｆＧｅｏｄｅｓｙａｎｄＧｅｏｍａｔｉｃｓ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ　４３００７９） Ａｂｓｔｒａｃｔ　Ｏｎｔｈｅｂａｓｉｓｏｆｉｎｔｅｇｒａｔｉｎｇｔｈｅｗａｖｅｌｅｔｄｅｎｏｉｓｉｎｇ，ｔｈｅｔｈｅｏｒｙｏｆｐｈａｓｅｓｐａｃｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｎｄＬＳ ＳＶＭ，ａｍｏｄｅｌｉｎｇａｎｄｆｏｒｅｃａｓｔｉｎｇｔｅｃｈｎｉｑｕｅｉｓｐｕｔｆｏｒｗａｒｄ．Ｆｉｒｓｔ，ｔｈｅｗａｖｅｌｅｔｄｅｎｏｉｓｉｎｇｉｓｕｓｅｄｔｏｐｒｅｐｒｏｃｅｓｓｄａ ｔａ，ｔｈｅｎｔｈｅｂｅｓｔｅｍｂｅｄｄｉｎｇｄｉｍｅｎｓｉｏｎａｎｄｔｉｍｅｄｅｌａｙｏｆｎｏｎｌｉｎｅａｒｄｅｆｏｒｍａｔｉｏｎｄａｔａａｒｅｃａｌｃｕｌａｔｅｄｗｉｔｈｔｈｅｍｅｔｈｏｄ ｃａｌｌｅｄ“ＣＣ”，ｔｈｅｐｈａｓｅｓｐａｃｅｉｓｒｅｃｏｎｓｔｒｕｃｔｅｄａｓｗｅｌｌ．Ａｔｌａｓｔ，ｔｈｅｍｏｄｅｌｉｎｇｐｒｅｄｉｃｔｉｏｎｉｓｃａｒｒｉｅｄｏｕｔｂｙＬＳＳＶＭ ａｎｄａｌｓｏｉｓｃｏｍｐａｒｅｄｗｉｔｈＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｃｈａｏｔｉｃｔｉｍｅｓｅｒｉｅｓ ｂａｓｅｄｏｎｗａｖｅｌｅｔｄｅｎｏｉｓｉｎｇａｎｄＬＳＳＶＭｉｓｂｅｔｔｅｒ． Ｋｅｙｗｏｒｄｓ：ｃｈａｏｔｉｃｔｉｍｅｓｅｒｉｅｓ；ｐｈａｓｅｓｐａｃｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎ；ｗａｖｅｌｅｔｄｅｎｏｓｉｎｇ；ＬＳＳＶＭ；ｄｅｆｏｒｍａｔｉｏｎａｎａｌｙｓｉｓ 应用上受到了极大的限制。近年来，混沌理论与神 １　引言 经网络的发展为研究这一问题提供了新的方法。混 在对大坝、边坡、建筑物等变形体进行监测时得 沌系统是一个确定性的非线性动力学系统，是一种 到的往往是一组随时间变化的数据，即所谓的时间 可以从无序和复杂中产生出有序和规律的系统，应 序列。由于这些数据往往是非平稳和非线性的，大 该说混沌是介于随机和规律之间的。由于混沌系统 多数传统时间序列模型如ＡＲ、ＡＲＭＡ、ＡＲＩＭＡ等在 具有对初始条件的极端敏感性，即所谓的“蝴蝶效  收稿日期：２００８０５０９ 基金项目：国家交通部西部交通建设科技基金（２００５３１８８１２０３） 作者简介：秦永宽，男，１９８