一种基于混合学习网络的混沌时间序列预测方法及系统

摘要

本发明公开一种基于混合学习网络的混沌时间序列预测方法及系统，利用预先训练的混合学习网络模型对混沌系统时间序列进行预测，混合学习网络模型输出混沌系统时间序列的预测值；预先训练混合学习网络模型的输入权重矩阵：对混沌系统时间序列进行采样，获得混沌系统时间序列样本值；利用虚假临近法和互信息法，估计混沌系统时间序列样本值的最优时延和最优嵌入维度；利用混沌系统时间序列样本值，搭建混合学习网络模型；对混合学习网络模型的输入权重矩阵进行预先训练；利用混合惩戒网络，估计混合学习网络模型的输出权重矩阵，获得最终的混合学习网络模型，为实现非线性混沌系统时间序列的分析提供了技术支撑。