点击次数：

论文类型：期刊论文

发表时间：2007-10-15

发表刊物：控制理论与应用

收录刊物：EI、PKU、ISTIC、CSCD、Scopus

卷号：24

期号：5

页面范围：719-724

ISSN号：1000-8152

关键字：多元变量时间序列;神经网络;预测;主成分分析

摘要：目前预测方法的研究主要集中在单变量时间序列上,本文建立起一种针对多元变量非线性时间序列建模和预测的方法框架.首先,同时考虑序列状态间的线性相关性和非线性相关性,建立初始延迟窗以包含充分的预测信息;然后,利用主成分分析(PCA)方法寻找不同变量在数据空间中的最大方差方向,扩展PCA应用于提取多个变量的综合信息,重构多元变量输入状态相空间;最后,利用神经网络逼近不同变量之间以及当前状态和将来状态之间的函数映射关系,实现多元变量预测.对R(o)ssler混沌方程和大连降雨、气温序列的预测仿真说明了本文方法的有效性,为多元变量时间序列分析提供了一条新的途径.