基于组合核机器学习混沌时间序列预测算法结论

摘要6-7

Abstract7-10

第1章 绪论10-15

1.1 探讨的背景与作用10-11

1.2 相关技术的探讨近况11-13

1.2.1 混沌时间序列浅析与预测的近况11-12

1.2.2 支持向量机和相关向量机的近况12-13

1.3 本课题主要的探讨内容和目标13

1.3.1 课题探讨目标13

1.3.2 探讨的内容13

1.4 本论文各章概要13-15

第2章 混沌时间序列的判别及预测15-28

2.1 混沌论述及相关概念15-17

2.1.1 混沌的概念15-16

2.1.2 混沌的特性16

2.1.3 奇异吸引子16-17

2.2 相空间重构论述17-18

2.3 相空间重构特点参数的选取18-23

2.3.1 时间延迟选取策略18-21

2.3.2 嵌入维数选取策略21-23

2.4 混沌系统的判别23-26

2.5 混沌时间序列预测策略26-27

2.6 本章小结27-28

第3章 基于组合核的支持向量机预测法28-43

3.1 统计学习论述28-30

3.1.1 机器学习论述和经验风险最小化论述28-29

3.1.2 VC维和推广性的界29

3.1.3 结构风险最小化29-30

3.2 支持向量机30-33

3.2.1 支持向量机的同归论述30-33

3.3 核函数33-35

3.4 性能浅析与仿真35-41

3.4.1 本论文涉及的混沌系统与预测性能指标35-36

3.4.2 支持向量机的混沌时间序列全局预测法36-37

3.4.3 实验仿真37-41

3.5 本章小结41-43

第4章 基于组合核的相关向量机预测法43-52

4.1 贝叶斯定理以及贝叶斯学习44

4.2 相关向量机的回归论述44-46

4.3 性能浅析与仿真46-50

4.3.1 相关向量机的混沌时间序列预测法46

4.3.2 实验仿真46-50

4.4 本章小结50-52

第5章 太阳黑子预测和电力负荷预测52-59

5.1 太阳黑子数据的预测52-55

5.2 电力负荷预测55-58

5.3 本章小结58-59

第6章 结论与展望59-61

6.1 本论文的工作总结59

6.2 今后工作展望59-61

致谢61-62