科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着非线性混沌动力学的发展,混沌时间序列的预测已经成为一个非常重要的研究方向。针对混沌时间序列的非线性和非平稳性的特点,提出一种变模态分解(VMD)和广义神经网络(GRNN)相结合的混沌时间序列预测方法,首先将混沌时间序列分解为多个固有模态函数(IMF)和余量(RF),然后对每个分量建立GRNN预测模型,最后将各分量的预测结果之和作为混沌时间序列的预测结果。采用Mackey-Glass混沌时间序列作为仿真实例,实验结果表明VMD-GRNN模型的预测精度相对于BP、ARMA和EMD-GRNN均有提高,证明了上述方法的有效性。
- 单位
