一种基于密度峰值聚类的混沌时间序列多步预测方法

摘要

本发明公开了一种基于密度峰值聚类的混沌时间序列多步预测方法，该方法中多次选取邻近轨道，通过聚类算法确定相点边界，再在轨道进入相点边界时，通过模拟相点的形式重新选取最近邻轨道，从现有的一次根据目标相点获取邻近轨道改为多次获取邻近轨道，结合聚类算法，不通过人为确定聚类中心，动态分配相点的边界，减少人为因素的影响，改善了现有模型一次获取轨道导致的多步预测精度下降的问题，实验表明本发明方法相较现有多步预测滤波器模型，其泛化性能更为优异，受预测起点的影响更小，所需训练集更少。