基于量子粒子群的全参数连分式混沌时间序列预测

• 作者: 张宏立 李瑞国 王雅 范文慧
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 全参数连分式 量子粒子群优化算法 混沌时间序列预测
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 52-58
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2014.1795

摘要

针对传统混沌时间序列预测模型的复杂性、低精度性和低时效性的缺点,在倒差商连分式基础上提出全参数连分式模型,并利用量子粒子群优化算法优化模型参数,将参数优化问题转化为多维空间上的函数优化问题.以二阶强迫布鲁塞尔振子和三维二次自治广义Lorenz系统为模型,通过四阶Runge-Kutta法产生混沌时间序列,并利用基于量子粒子群优化算法的全参数连分式、BP神经网络和RBF神经网络分别对混沌时间序列进行单步和多步预测.仿真结果表明,基于量子粒子群优化算法的全参数连分式结构简单、精度高、效率高,该预测模型可被推广和应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范文慧	清华大学自动化系	51	792	15.0	27.0
2	张宏立	新疆大学电气工程学院	89	474	12.0	17.0
3	王雅	新疆大学机械工程学院	9	57	4.0	7.0
4	李瑞国	新疆大学电气工程学院	8	55	4.0	7.0