基于暂态混沌神经网络的低阶混沌时间序列预测 (2007年)

暂态混沌神经网络是一种基于Hopfield网络提出的混沌神经网络，具有收敛速度快、不易陷入局部极小等优点。许多低阶的混沌系统都可以展成二阶volterra级数，因此提出一种基于暂态混沌神经网络和volterra级数的低阶混沌时间序列预测方法。该方法利用暂态混沌神经网络计算系统的volterra级数系数，确定系统的动力学模型，从而实现混沌时间序列预测。利用Logistic模型对该方法进行测试，结果表明，预测相对误差小于0.5%，预测可达到较高的速度和精度。