基于极端学习机的多变量混沌时间序列预测

• 作者: 王新迎 韩敏
• 来源期刊: 物理学报
• 学科: 工学
• 关键词: 混沌时间序列预测 输入变量选择 极端学习机 模型选择
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 总论
• 页码范围: 97-105
• 分类号: TP183
• 语种: 中文

摘要

针对多变量混沌时间序列预测问题，提出了一种基于输入变量选择和极端学习机的预测模型．其基本思想是对多变量混沌时间序列进行相空间重构后，采用互信息方法选择与预测输出统计相关最高的重构输入变量，借助极端学习机的通用逼近能力建立多变量混沌时间序列的预测模型．为进一步提高预测精度，采用模型选择算法选择具有最小期望风险的极端学习机预测模型．基于Lorenz，R6ssler多变量混沌时间序列及R6ssler超混沌时间序列的仿真结果证明所提方法的有效性．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩敏	大连理工大学电子信息与电气工程学部	200	2311	23.0	33.0
2	王新迎	大连理工大学电子信息与电气工程学部	4	75	3.0	4.0