混沌时间序列的RBF神经网络预测代码.zip

% 混沌时间序列的 rbf 预测(多步预测) -- 主函数 % 使用平台 - Matlab7.1 % 作者：陆振波，海军工程大学 % 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页 % 电子邮件：luzhenbo@yahoo.com.cn % 个人主页：http://blog.sina.com.cn/luzhenbo2 clc clear close all %-------------------------------------------------------------------------- % 产生混沌序列 % dx/dt = sigma*(y-x) % dy/dt = r*x - y - x*z % dz/dt = -b*z + x*y sigma = 16; % Lorenz 方程参数 a b = 4; % b r = 45.92; % c y = [-1,0,1]; % 起始点 (1 x 3 的行向量) h = 0.01; % 积分时间步长 k1 = 30000; % 前面的迭代点数 k2 = 5000; % 后面的迭代点数 (总样本数) Z = LorenzData(y,h,k1+k2,sigma,r,b); X = Z(k1+1:end,1); X = normalize_1(X); % 归一化到均值为0，方差1 %-------------------------------------------------------------------------- % 相关参数 t = 5; % 时延 d = 4; % 嵌入维数 n_tr = 1000; % 训练样本数 n_te = 1000; % 测试样本数 %-------------------------------------------------------------------------- % 相空间重构 X = X(1:n_tr+n_te); [XN_TR,DN_TR] = PhaSpaRecon(X(1:n_tr),t,d); [XN_TE,DN_TE] = PhaSpaRecon(X(n_tr+1:n_tr+n_te),t,d); %-------------------------------------------------------------------------- % 训练 P = XN_TR; T = DN_TR; spread = 1; % 此值越大,覆盖的函数值就大(默认为1) net = newrbe(XN_TR,DN_TR); ERR1 = sim(net,XN_TR)-DN_TR; err_mse1 = sqrt(sum(ERR1.^2)/length(ERR1)) %-------------------------------------------------------------------------- % 多步预测 n_pr = 300; X_ST = X(n_tr-(d-1)*t:n_tr); DN_PR = zeros(n_pr,1); for i=1:n_pr XN_ST = PhaSpaRecon(X_ST,t,d); DN_PR(i) = sim(net,XN_ST); X_ST = [X_ST(2:end);DN_PR(i)]; end DN_TE = X(n_tr+1:n_tr+n_pr); %-------------------------------------------------------------------------- % 作图 figure; subplot(211) plot(n_tr+1:n_tr+n_pr,DN_TE,'r+-',... n_tr+1:n_tr+n_pr,DN_PR,'b-'); title('真实值(+)与预测值(.)') subplot(212) plot(n_tr+1:n_tr+n_pr,DN_TE-DN_PR,'k'); grid; title('预测绝对误差')