|
|
|
|
一种简单的GP算法无标度区识别方法
|
|
【计算机写论文】摘 要 在GP算法计算中，通常需要确定无标度区，无标度区的准确性将直接影响分形维的准确性。本文提出了一种选取无标度区的简单方法，该方法无需计算其它量，计算机编程容易，计算效率高。
关键词 GP算法，无标度区，关联维，时间序列
1 引言
在科学、经济、工程等许多应用中都存在着在历史数据的基础上预测未来的问题。时间序列预测是预测领域内的一个重要研究方向，这是一种根据历史数据构造时间序列模型，再把模型外推来预测未来的一种方法。近年来，来自天文、水文、气象等领域如太阳黑子、径流量、降雨量等时间序列都被发现含有混沌特性。
要将混沌理论应用于一个具体的混沌时间序列预测中，首先进行混沌识别，然后借助于相空间重构理论，并应用神经网络等方法，在重构的相空间中分析该动力系统的运动规律，进行混沌预测研究。
相空间的重构理论，即把具有混沌特性的时间序列重建为一种低阶非线性动力学系统。通过相空间重构，可以找出隐藏在混沌吸引子中的演化规律，使现有的数据纳入某种可描述的框架之下。在重构相空间时，合适的延迟时间和嵌入维数的选取至关重要。1983年Grassberger和Procaccia建立了从时间数据序列计算系统奇异吸引子关联维数的算法，该方法同时可以对时间序列进行混沌识别。在GP算法计算过程中，通常需要确定无标度区，无标度区的准确性将直接影响分形维的准确性。
无标度区的确定通常有以下几种方法[1]：(1)运用经验公式。由于公式本身含有分形维，因而需要一个迭代过程.另外这种方法还缺乏一定的客观标准。(2)用三段直线逼近，取中间一段为无标度区。这种方法计算量太大，且取中间一段也似乎存在缺乏一定的理论依据问题。(3)Yyokoya等提出的利用最大线性度法。这种方法在应用中也存在一定的局限性。(4)将拟合直线分成两部分，前一段称为纹理分维，后一段称为结构分维。这种细分的意义和可信度有待进一步的研究。
党建武等基于置信度和相关度两个评价指标提出了无标度区确定的分组递归计算机识
|
|
|
|
<<<<<全文未完>>>>> 全文字数约2688字
|
要阅读全文请先注册成VIP会员！详情请阅读会员专区！
VIP会员可以阅读全文， 欢迎加入VIP会员专区！ 加入VIP会员步骤如下：
注册用户名→在线购卡
|
|
|
|
广告服务