基于经验模态神经网络的混沌时间序列预测方法

摘要

本发明公开了一种基于经验模态神经网络的混沌时间序列预测方法，属于混沌时间序列预测领域。包括如下步骤：1）混沌时间序列混沌特性的判别；2）混沌时间序列数据预处理；3）混沌时间序列相空间重构；4）构建经验模态神经网络并训练经验模态神经网络模型；5）利用经验模态神经网络对混沌时间序列进行预测。本方法相比传统混沌时间序列预测方法而言，增强了预测模型的自适应能力，能根据数据集本身特点自适应地构造经验模态神经网络隐含层激励函数，而无需任何激励函数的选择，同时将序列进行经验模态分解的分量个数作为经验模态神经网络隐含层层数，为隐含层层数的选择提供一种新的解决思路。