多元混沌时间序列的多核极端学习机建模预测王新迎韩敏.PDFVIP

多元混沌时间序列的多核极端学习机建模预测 王新迎 韩敏 Multivariatechaotictimeseriespredictionusingmultiple kernel extreme learning machine WangXin-Ying HanMin 引用信息Citation: ActaPhysicaSinica, ,070504(2015) DOI: 10.7498/aps.64.070504 在线阅读Viewonline: /10.7498/aps.64.070504 当期内容Viewtableofcontents: /CN/Y2015/V64/I7 您可能感兴趣的其他文章 Articles youmaybeinterestedin 短期风速时间序列混沌特性分析及预测 Chaoticcharacteristicsanalysisandpredictionforshort-term wind speed time series 物理学报.2015,64(3): 030506 /10.7498/aps.64.30506 交通流突变点的无标度特征分析 Analysisofscale-freecharacteristiconsharpvariationpoint of trafficflow 物理学报.2014,63(24): 240509 /10.7498/aps.63.240509 基于压缩感知的振动数据修复方法 Vibrationdatarecoverybasedoncompressedsensing 物理学报.2014,63(20): 200506 /10.7498/aps.63.200506 用于混沌时间序列预测的组合核函数最小二乘支持向量机 Combinationkernelfunctionleastsquaressupportvector machine for chaotic time seriesprediction 物理学报.2014,63(16): 160508 /10.7498/aps.63.160508 基于能力区域的交通状态预测方法 Trafficstatepredictionbasedoncompetenceregion 物理学报.2014,63(14): 140504 /10.7498/aps.63.140504 物理学报 Acta Phys. Sin. Vol. 64, No. 7 (2015) 070504 多元混沌时间序列的多核极端学习机建模预测 王新迎 韩敏 (大连理工大学, 电子信息与电气工程学部, 控制科学与工程学院, 大连 116023) ( 2014 年7 月29 日收到; 2014 年9 月5 日收到修改稿) 多元混沌时间序列广泛存在于自然、经济、社会、工业等领域. 对多元混沌时间序列进行建模预测有助于 人类更好地管理, 控制与决策. 针对多元混沌时间序列的建模预测问题, 本文提出一种基于多核极端学习机 的预测方法. 首先对多元混沌时间序列进行相空间重构, 将多元混沌时间序列序列的时间相关性转化为空间 相关性. 提出一种结合多核学习算法与核极端学习机模型的多核极端学习机建立相空间中输入输出数据的非 线性映射. 多核极端学习机模型结合了多核学习算法的数据融合能力以及核极端学习机的训练简便优势. 基 于Lorenz 混沌时间序列预测和San Francisco 河流月径流量预测的仿真实验表明, 与其他常见混沌时间序列 预测方法相比, 本文提出的基于多核极端学习机的多元混沌时间序列预测方法具有更小的预测误差. 关键词: 混沌时间序列, 神经网络, 核方法, 预测 PACS: 05.45.Tp, 07.05.Mh, 87.85.dq DOI: 10.7498/aps.64.070504 端学习机(extreme learning machine with kernels, 1 引 言 KELM) 9 是最近几年发展起来的一种有效的机器