论文部分内容阅读
针对混沌时间序列存在噪声和不稳定性问题,混沌时间序列预测是当前的一个热点问题。根据当前预测方法预测精度低的难题,提出一种优化的混沌时间序列预测方法(GA_LSSVM)。GA_LSSVM首先采用相空间重构对时间序列样本进行重构,采用遗传算法对最小二乘支持向量机参数进行优化,得到混沌时间序列的最优预测模型,最后以经典时间序列Lorenz数据对最优模型进行仿真测试和分析。实验结果表明,GA_LSSVM比神经网络的预测精度高。GA_LSSVM方法是一种可行的、有效的混沌时间序列预测算法,在混沌时间序列具有广