变参数混沌时间序列的神经网络滚动预测研究 (2010年)

神经网络适合于全局建模预测,在确定性混沌系统时间序列的预测中获得广泛应用。许多混沌系统由于参数的慢变导致系统的动力学特性不断发生变化,全局预测方法很难适用,为此提出一种具有固定时间窗的神经网络滚动预测算法。对典型变参数Henon和Ikeda混沌时间序列的预测结果说明,该算法具有较好的跟踪预测性能。