基于递阶模糊聚类的混沌时间序列预测

摘要

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S模糊模型结构,实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,用模糊C均值算法(FCM)进一步优化聚类中心;然后利用加权最小二乘法估计模糊模型的初始参数,进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行预测实验,结果表明可以对Mackey-Glass混沌时间序列进行准确建模和预测,证明了本方法的有效性.