混沌時間序列預(yù)測理論與方法

前言
第1章 緒論
　1.1 混沌理論的起源和發(fā)展
　1.2 混沌的定義和基本概念
　　1.2.1 Li-Yorke（李天巖—約克）的混沌定義
　　1.2.2 Devaney的混沌定義
　1.3 混沌運動的特點以及分類
　　1.3.1 混沌運動的特點
　　1.3.2 混沌的分類
　1.4 混沌的研究意義
　　1.4.1 混沌學(xué)研究對現(xiàn)代化科學(xué)發(fā)展產(chǎn)生的巨大影響
　　1.4.2 混沌學(xué)研究革新了經(jīng)典的科學(xué)觀與方法論
　1.5 常見的混沌現(xiàn)象
　　1.5.1 物理學(xué)中混沌現(xiàn)象
　　1.5.2 震蕩化學(xué)反應(yīng)
　　1.5.3 生物系統(tǒng)的自組織現(xiàn)象
　　1.5.4 非平衡的宇宙
　　1.5.5 大氣運動和氣候的復(fù)雜性
　1.6 混沌時間序列預(yù)測應(yīng)用例子
　　1.6.1 混沌時間序列方法在徑流預(yù)報中的應(yīng)用
　　1.6.2 混沌時間序列方法在經(jīng)濟預(yù)測中的應(yīng)用
　　1.6.3 混沌時間序列方法在通信信號調(diào)制識別中的應(yīng)用
　　1.6.4 電力負(fù)荷時間序列混沌特性的短期負(fù)荷預(yù)測
　1.7 小結(jié)
　參考文獻(xiàn)
第2章 奇異吸引子特征及分析方法
　2.1 引言
　　2.1.1 耗散系統(tǒng)
　　2.1.2 吸引子
　　2.1.3 相空間和狀態(tài)空間
　　2.1.4 初值敏感性
　2.2 混沌識別
　　2.2.1 Lyapunov指數(shù)
　　2.2.2 Kolmogorov熵與拓?fù)潇?br />　　2.2.3 關(guān)聯(lián)維數(shù)
　　2.2.4 功率譜
　　2.2.5 Poincare截面
　　2.2.6 分形與分維
　2.3 混沌序列相空間重構(gòu)理論
　　2.3.1 嵌入維數(shù)的確定
　　2.3.2 嵌入延遲的確定
　　2.3.3 嵌入窗寬的確定
　2.4 小結(jié)
　參考文獻(xiàn)
第3章 混沌信號噪聲平滑方法
　3.1 引言
　3.2 預(yù)備知識
　　3.2.1 測量噪聲和動力學(xué)噪聲
　　3.2.2 噪聲水平和信噪比
　　3.2.3 去噪效果的評判標(biāo)準(zhǔn)
　3.3 基于模型逼近技術(shù)的去噪方法
　　3.3.1 簡單局部平均去噪方法
　　3.3.2 改進(jìn)的非線性局部平均去噪方法
　　3.3.3 全局逼近去噪方法
　3.4 小波理論及其在混沌時間序列中的噪聲平滑研究
　　3.4.1 小波變換與相空間重構(gòu)
　　3.4.2 常規(guī)小波變換噪聲平滑方法
　　3.4.3 改進(jìn)的小波變換噪聲平滑方法
　3.5 基于奇異譜和主分量分析的去噪方法
　3.6 基于局部投影噪聲平滑的方法
　　3.6.1 噪聲水平估計方法
　　3.6.2 子空間維數(shù)的動態(tài)選取
　　3.6.3 局部投影噪聲平滑方法的實現(xiàn)步驟及仿真結(jié)果
　　3.6.4 一種基于局部投影噪聲平滑的優(yōu)化方法
　3.7 小結(jié)
　參考文獻(xiàn)
第4章 混沌時間序列預(yù)測
　4.1 引言
　4.2 全局預(yù)測法
　4.3 局域預(yù)測法
　　4.3.1 零階局域預(yù)測
　　4.3.2 加權(quán)零階局域預(yù)測
　　4.3.3 一階局域預(yù)測
　　4.3.4 局域非線性預(yù)測法
　　4.3.5 基于最大Lyapunov指數(shù)的預(yù)測方法
　4.4 自適應(yīng)預(yù)測模型
　　4.4.1 Volterra級數(shù)自適應(yīng)預(yù)測模型
　　4.4.2 基于Sigmokl函數(shù)的Volterra自適應(yīng)濾波器
　4.5 重構(gòu)系統(tǒng)方程非線性自適應(yīng)預(yù)測方法
　　4.5.1 基于序列昆沌特性參數(shù)的初始狀態(tài)選擇方法
　　4.5.2 典型混沌系統(tǒng)
　　4.5.3 重構(gòu)系統(tǒng)方程混沌自適應(yīng)預(yù)測方法
　　4.5.4 重構(gòu)系統(tǒng)方程混沌自適應(yīng)預(yù)測方法的特點
　4.6 小結(jié)
　參考文獻(xiàn)
第5章 基于神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測方法
　5.1 引言
　5.2 基于前饋神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測方法
　　5.2.1 多層感知機方法
　　5.2.2 徑向基函數(shù)網(wǎng)絡(luò)方法
　　5.2.3 前饋網(wǎng)絡(luò)應(yīng)用于混沌時間序列預(yù)測
　5.3 基于自組織特征映射的混沌時間序列預(yù)測方法
　　5.3.1 自組織特征映射的模型結(jié)構(gòu)
　　5.3.2 自組織特征映射的學(xué)習(xí)算法
　　5.3.3 自組織特征映射應(yīng)用于混沌時間序列預(yù)測
　5.4 基于核方法和支持向量機的混沌時間序列預(yù)測方法
　　5.4.1 核方法和統(tǒng)計學(xué)習(xí)理論
　　5.4.2 支持向量機（回歸）方法
　　5.4.3 最小二乘支持向量機方法
　　5.4.4 核方法和支持向量機應(yīng)用于混沌時間序列預(yù)測
　5.5 基于有限脈沖響應(yīng)神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測方法
　　5.5.1 有限脈沖響應(yīng)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
　　5.5.2 有限脈沖響應(yīng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
　　5.5.3 有限脈沖響應(yīng)神經(jīng)網(wǎng)絡(luò)應(yīng)用于混沌時間序列預(yù)測
　5.6 基于多重分支時間延遲遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測方法
　　5.6.1 混沌相空間重構(gòu)理論與時間延遲神經(jīng)網(wǎng)絡(luò)
　　5.6.2 多重分支時間延遲神經(jīng)網(wǎng)絡(luò)
　　5.6.3 多重分支時間延遲神經(jīng)網(wǎng)絡(luò)的逼近能力
　　5.6.4 多重分支時間延遲神經(jīng)網(wǎng)絡(luò)預(yù)測方法的特點
　5.7 基于儲備池的混沌時間序列預(yù)測方法
　　5.7.1 基于儲備池的非線性系統(tǒng)辨識原理
　　5.7.2 基于儲備池的混沌時間序列的迭代預(yù)測方法
　　5.7.3 基于儲備池的混沌時問序列的直接預(yù)測方法
　　5.7.4 基于儲備池的混沌時間序列預(yù)測方法的特點
　5.8 小結(jié)
　參考文獻(xiàn)
第6章 混沌序列預(yù)測仿真實例
　6.1 預(yù)測性能指標(biāo)
　6.2 應(yīng)用回聲狀態(tài)網(wǎng)絡(luò)（ESN）學(xué)習(xí)蔡氏電路實測數(shù)據(jù)
　6.3 月太陽黑子混沌時間序列預(yù)測仿真
　　6.3.1 重構(gòu)系統(tǒng)方程非線性自適應(yīng)預(yù)測月太陽黑子
　　6.3.2 應(yīng)用遞歸預(yù)測器網(wǎng)絡(luò)（RPNN）對月太陽黑子混沌預(yù)測仿真
　6.4 黃河年徑流復(fù)雜混沌系統(tǒng)的仿真研究
　　6.4.1 黃河年徑流時間序列混沌特性分析
　　6.4.2 黃河年徑流序列模型重構(gòu)和預(yù)測研究
　6.5 小結(jié)
參考文獻(xiàn)