混沌时间序列分析与预测研究综述

发布时间：2021-11-21 13:13

　　复杂系统产生的混沌时间序列普遍存在于天文、水文、气象、环境、金融等领域.混沌时间序列的分析与预测对于理解复杂系统特性、探究系统演化规律具有重要作用.本文介绍了复杂系统中混沌时间序列分析与预测的研究热点问题,主要从实际复杂系统中的混沌时间序列的研究背景、多元混沌时间序列的降维方法、含噪声混沌时间序列的建模方法、非平稳混沌时间序列的在线建模手段以及混沌时间序列的中长期预报等方面进行阐述,同时总结并展望了未来的研究趋势. 

【文章来源】：信息与控制. 2020,49(01)北大核心CSCD

【文章页数】：12 页

【文章目录】：
0 引言
1 多元混沌时间序列的降维方法
    1.1 变量选择
    1.2 特征提取
2 含噪声混沌时间序列预测
    2.1 混沌时间序列去噪方法
    2.2 含噪声混沌时间序列的鲁棒建模方法
3 非平稳混沌时间序列预测
    3.1 神经网络在线建模
    3.2 核自适应滤波器
4 混沌时间序列中长期预测
    4.1 基于直接策略的中长期时间序列预测
    4.2 基于迭代策略的中长期时间序列预测
5 讨论与未来研究方向
    1)基于深度学习的时间序列建模
    2)基于多任务学习的时间序列建模
    3)基于迁移学习的时间序列建模
6 结论


【参考文献】：
期刊论文
[1]Big Learning with Bayesian methods[J]. Jun Zhu,Jianfei Chen,Wenbo Hu,Bo Zhang.  National Science Review. 2017(04)
[2]一种基于改进灰色关联分析的变量选择算法[J]. 韩敏,张瑞全,许美玲.  控制与决策. 2017(09)
[3]一种基于κ-近邻互信息变化率的输入变量选择方法[J]. 韩敏,梁志平.  控制与决策. 2012(06)
[4]一种有效的储备池在线稀疏学习算法[J]. 韩敏,王新迎.  自动化学报. 2011(12)
[5]基于Kalman滤波的储备池多元时间序列在线预报器[J]. 韩敏,王亚楠.  自动化学报. 2010(01)
[6]基于小波变换阈值决策的混沌信号去噪研究[J]. 韩敏,刘玉花,席剑辉,史志伟.  信息与控制. 2005(05)
[7]改进非线性局部平均算法的混沌去噪研究[J]. 席剑辉,韩敏,孙燕楠.  系统工程与电子技术. 2005(05)



本文编号：3509572