论文部分内容阅读
本文讨论了一种基于并行多层感知器(PMLP)神经网络的混沌时间序列预测方法。PMLP网络的输入节点数是由混沌时间序列相空间重构所需的最小嵌入维数决定的。根据G-P算法和Takens理论，可以计算出混沌时间序列的最小嵌入维，并通过均方误差MSE来衡量网络的预测误差。本文分别选取Lorenz仿真信号和滚动轴承振动信号进行仿真和预测，以此验证所提方法的有效性。仿真结果表明，对于混沌时间序列的预测，基于PMLP神经网络的方法具有很好的预测效果和较高的工程应用价值。