目錄
前言
第1章 緒論 1
1.1 預(yù)測的基本概念 1
1.2 混沌時間序列預(yù)測 4
1.3 混沌時間序列預(yù)測研究概況 7
1.4 本書的主要內(nèi)容 14
第2章 混沌理論基礎(chǔ) 17
2.1 混沌理論及其研究現(xiàn)狀 17
2.2 處理混沌時間序列的理論方法簡介 22
2.3 混沌判別的常用方法 25
2.4 典型混沌系統(tǒng) 27
第3章 常用混沌時間序列預(yù)測方法 32
3.1 混沌時間序列預(yù)測理論基礎(chǔ) 32
3.2 局域預(yù)測方法 35
3.3 全局預(yù)測方法 41
3.4 自適應(yīng)預(yù)測方法 43
3.5 模型檢驗及應(yīng)用實證分析 47
第4章 混沌時間序列的神經(jīng)網(wǎng)絡(luò)預(yù)測方法 54
4.1神經(jīng)網(wǎng)絡(luò)概述 54
4.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型 57
4.3 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型 66
4.4 模型檢驗及實證分析 73
4.5 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測方法與BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法的比較 79
第5章 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測方法 81
5.1 問題的提出 81
5.2 遺傳算法 82
5.3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型 88
5.4 模型檢驗 95
5.5 實證分析 99
第6章 粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測方法 104
6.1 粒子群算法基本原理 104
6.2 對PSO算法的改進(jìn) 106
6.3 改進(jìn)PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型 106
6.4 在典型混沌時間序列中的應(yīng)用 115
6.5 實證分析 120
第7章 混沌時間序列的SVM預(yù)測方法 127
7.1 統(tǒng)計學(xué)習(xí)理論 127
7.2 支持向量機(jī) 130
7.3 基于支持向量機(jī)的混沌時間序列預(yù)測方法 138
7.4 SVM預(yù)測方法與BP和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測方法的比較 146
第8章 基于信息�；�的SVM混沌時間序列預(yù)測方法 152
8.1 信息粒化理論 152
8.2 基于信息�；�的支持向量機(jī)預(yù)測模型的基本思想 154
8.3 模糊粒子構(gòu)建 154
8.4 基于信息�；�的支持向量機(jī)預(yù)測模型 156
8.5 模型檢驗 163
8.6 在城市交通流預(yù)測中的應(yīng)用 176
參考文獻(xiàn) 182