混沌时间序列预测模型研究-计算机应用技术专业论文.docxVIP

I I 摘要 本文在分析国内外研究现状的基础上，借助 Logistic 方程，仿真害虫种群混 沌时间序列，并以混沌时间序列的预测为中心着力点，主要完成以下研究及相关 编程： （1）分析了农业邻域 Logistic 方程模型及其混沌性时间序列的生成参数：初 始值 0.22 / [0,1] ，????4 / [3, 4] ，N ??400 ，并在此基础上研究了混沌相关理论，包 括根据定义探讨混沌本质，时间序列混沌性判别两个角度：定量分析法和定量计 算法等。其中，定量分析法则采用功率谱法、初始条件敏感依赖性分析；绘制给 定时间序列功率谱显示时间序列峰连成一片，判定具有混沌性；定量计算法则采 用关联维数法、最大 Lyapunov 指数计算（Wolf 法和小数据量法）。上述相关方 法均通过 MATLAB 编程实现，分别计算所得关联维数 D2 ??1.1111，是非整数； Wolf 法计算最大 Lyapunov 指数 ?1 ??0.76503 ??0 ，判定了给定参数的 Logistic 时 间序列具有混沌行为，且小数据量法计算最大 Lyapunov 指数 ?1 ??0.65948 ??0 ， 结论相同。比较而言，定量计算法所得判定依据更具说服力，进而为混沌时间序 列的预测夯实数据源基础。 （2）研究了相空间重构参数的选取问题。嵌入维数的选取，辅助性实现了 G-P 算法，粗略计算嵌入维数 m ??fix(3.2222) ??3；延迟时间的选取，重点通过 C-C 方法。该方法通过计算时间窗口，同时计算出嵌入维数及延迟时间，结果即 嵌入维数 m ??3 ，延迟时间????3 。根据计算所得嵌入维数及延迟时间，对 Logistic 混沌时间序列进行相空间重构，为混沌时间序列的预测解构基础数据，解构所得 基础数据维度是 3?394(m??M , M ??N ??(m ?1)??) 。 （3）构建了基于神经网络的混沌时间序列预测模型。该模型，以 C-C 方法 所求嵌入维数 m ??3 为纽带，沟通了混沌时间序列与神经网络的紧密关系。此模 型中，隐含层节点数通过动态比较，选定最优节点数 7，构建 3 ??7 ?1 拓扑结构的 网络；通过 280 组训练数据，100 组测试数据，并采取遗传算法优化 BP 神经网 络的初始权重及阈值，结论证明经遗传算法优化的 BP 神经网络，不仅能够有效 提高网络预测精度，即 GA??BP:1.1315e??07 / mse，单一 BP : 3.116e ??06 / mse， 而且一定程度上改善并强化了 BP 神经网络收敛性，即 GA ??BP : epoch(13) ，而单 一 BP : epoch(23) 。 （4）在 MATLAB 编程环境下，开发了基于上述理论的混沌时间序列预测模 型系统。该系统涵盖三个子系统，即 Logistic 方程模型、混沌理论模型及遗传 BP 算法模型。 关键词：Logistic 方程 混沌 BP 神经网络 遗传算法 预测 II II Abstract In this paper, on the basis of analyzing the research status at home and abroad, With the logistic equation, simulation pest population chaotic time series and chaotic time series prediction center focal point, complete the following research and related programming: Analyzed the agricultural neighborhood Logistic equation model and its chaotic time sequence generation parameters: initial value of 0.22(between 0 and 1), μ value of 4 (between 3 and 4), the length of the time series, such as N, is 400. In this study based on chaos theory, by definition explore the chaotic nature of chaotic time series Discriminant two angles: quantitative analysis and quantitative calculations. Which the law of quantitative analysis