基于VMD和GRNN的混沌时间序列预测

计算机仿真杂志|杨洪军; 徐娟娟; 刘杰 内蒙古大学满洲里学院; 内蒙古满洲里021400

摘要:随着非线性混沌动力学的发展,混沌时间序列的预测已经成为一个非常重要的研究方向。针对混沌时间序列的非线性和非平稳性的特点,提出一种变模态分解(VMD)和广义神经网络(GRNN)相结合的混沌时间序列预测方法,首先将混沌时间序列分解为多个固有模态函数(IMF)和余量(RF),然后对每个分量建立GRNN预测模型,最后将各分量的预测结果之和作为混沌时间序列的预测结果。采用Mackey-Glass混沌时间序列作为仿真实例,实验结果表明VMD-GRNN模型的预测精度相对于BP、ARMA和EMD-GRNN均有提高,证明了上述方法的有效性。

【关键词】
  • 变分模态分解
  • 广义回归神经网络
  • 混沌时间序列
  • 预测
【收 录】
  • 知网收录(中)
  • 上海图书馆馆藏
  • 万方收录(中)
  • 维普收录(中)
  • 国家图书馆馆藏
  • 统计源期刊(中国科技论文优秀期刊)
  • 北大期刊(中国人文社会科学期刊)

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:计算机仿真

期刊级别:北大期刊

期刊人气:73673