论文部分内容阅读
近年来，对非线性系统，尤其是混沌背景下产生的时间序列分析越来越受到人们的重视。本文采用人工智能的方法，通过构造专家系统来进行不确定信息的推理预测。主要工作如下：
首先，本文利用贝叶斯网络(BNs)在处理不确定知识方面的优势，并结合相空间重构理论，建立了单变量混沌时间序列非线性全局预测模型，并将其应用于单变量混沌时间序列预测，实现对其动力学特性分析，从而达到预测目的。
其次，采用相空间同步分析法分析不同变量状态空间的依赖关系，并借助改进的主成分分析法提取多个变量的综合信息，建立了一种针对多变量非线性时间序列预测的模型。
最后，分别对预测模型进行仿真验证，实验结果表明：模型具有良好的稳定性和较小的均方根误差率，能够有效地进行预测。