混沌序列最近邻多步预报算法

摘要

为降低最小二乘支持向量机(LSSVM)的计算量，提出一种最近邻方法，利用与测试数据欧式距离最小且差分变化规律相似的训练向量组成简化的训练矩阵，寻找训练阵与预测阵之间的高维非线性映射规律。由于训练数据与测试数据在变化趋势上十分相似，因此，该多步预测方法与以往由单步迭代方法相比，大大简化了训练阵的规模，提高了运算速度。实验表明，该方法对Lorenz纯净序列和含噪声序列都有较好的预报效果。