【摘要】： 隨著非線性混沌動(dòng)力學(xué)的發(fā)展,人們對時(shí)間序列的復(fù)雜性有了更深刻的認(rèn)識,尤其是混沌時(shí)間序列的分析已經(jīng)成為一個(gè)非常重要的研究方向。混沌時(shí)間序列分析包括混沌特征參數(shù)判別和混沌時(shí)序預(yù)測等方面,由于混沌現(xiàn)象普遍地存在于自然界中,因此混沌時(shí)序的分析在各種動(dòng)力系統(tǒng)的混沌檢驗(yàn)及預(yù)測等方面顯得尤為重要。 本文對混沌時(shí)序的判別及預(yù)測進(jìn)行了研究,主要成果如下: 1.應(yīng)用Takens’估計(jì)方法研究了經(jīng)典混沌系統(tǒng)所生成時(shí)間序列的分形特征。并運(yùn)用Takens’估計(jì)法研究了上海證券數(shù)據(jù)A股指數(shù)開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)的分形特征,發(fā)現(xiàn)其分形維數(shù)隨著時(shí)間推移有進(jìn)一步增加的趨勢。結(jié)合最大Lyapunov指數(shù)的計(jì)算結(jié)果,表明上海證券數(shù)據(jù)總體表現(xiàn)為低自由度的弱混沌系統(tǒng)。 2.基于K熵理論首先研究了混沌時(shí)間序列的最大可預(yù)測度問題。在此研究工作的基礎(chǔ)上,提出了一種運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)在K熵限定的最大可預(yù)測度內(nèi)對混沌系統(tǒng)進(jìn)行直接多步預(yù)測的方法,并以Lorenz系統(tǒng)為例對其進(jìn)行了相應(yīng)的預(yù)測研究。研究結(jié)果表明:本文提出的在K熵限定的最大可預(yù)測度內(nèi)進(jìn)行直接多步預(yù)測具有比遞推多步預(yù)測運(yùn)行速度快,且預(yù)測精度更高的特點(diǎn),便于對系統(tǒng)的實(shí)時(shí)預(yù)測和控制。 3.利用遺傳算法強(qiáng)全局隨機(jī)搜索特點(diǎn),結(jié)合DRNN神經(jīng)網(wǎng)絡(luò)對非線性數(shù)據(jù)具有魯棒性和自學(xué)習(xí)能力的優(yōu)點(diǎn),通過將歷年的農(nóng)機(jī)總動(dòng)力數(shù)據(jù)作為時(shí)間序列進(jìn)行分析,建立DRNN神經(jīng)網(wǎng)絡(luò)預(yù)測模型對農(nóng)機(jī)總量進(jìn)行了預(yù)測。通過與校驗(yàn)用數(shù)據(jù)的比較證明本文建立的預(yù)測模型具有較高的精度。 4.在加權(quán)一階局域預(yù)測模型的理論基礎(chǔ)上,提出運(yùn)用徑向基神經(jīng)網(wǎng)絡(luò)代替加權(quán)一階局域預(yù)測模型構(gòu)成了基于徑向基神經(jīng)網(wǎng)絡(luò)的局域預(yù)測模型。通過對Logistic映射以及Lorenz系統(tǒng)的三個(gè)分量的混沌時(shí)間序列的預(yù)測仿真,表明該預(yù)測方法對混沌時(shí)間序列的預(yù)測具有較好的效果。
【圖文】：

Logistic映射()

Logistic映射()
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2007
【分類號】：F832.51;F224

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前2條

1 倪麗萍;基于分形技術(shù)的金融數(shù)據(jù)分析方法研究[D];合肥工業(yè)大學(xué);2010年

2 喬美英;工作面瓦斯涌出量時(shí)序混沌分形特性分析及其預(yù)測研究[D];中國礦業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前2條

1 米雪;滬銅期貨價(jià)格的波動(dòng)率及風(fēng)險(xiǎn)測試研究[D];天津財(cái)經(jīng)大學(xué);2011年

2 王佳;XA市商業(yè)銀行市場風(fēng)險(xiǎn)管理研究[D];天津大學(xué);2012年

，

本文編號：2686521