目錄
前言
第1章 緒論 1
1.1 預(yù)測(cè)的基本概念 1
1.2 混沌時(shí)間序列預(yù)測(cè) 4
1.3 混沌時(shí)間序列預(yù)測(cè)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(shí)間序列的理論方法簡(jiǎn)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(shí)間序列預(yù)測(cè)方法 32
3.1 混沌時(shí)間序列預(yù)測(cè)理論基礎(chǔ) 32
3.2 局域預(yù)測(cè)方法 35
3.3 全局預(yù)測(cè)方法 41
3.4 自適應(yīng)預(yù)測(cè)方法 43
3.5 模型檢驗(yàn)及應(yīng)用實(shí)證分析 47
第4章 混沌時(shí)間序列的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)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(cè)模型 57
4.3 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 66
4.4 模型檢驗(yàn)及實(shí)證分析 73
4.5 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)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(shí)間序列預(yù)測(cè)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(cè)模型 88
5.4 模型檢驗(yàn) 95
5.5 實(shí)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(shí)間序列預(yù)測(cè)方法 104
6.1 粒子群算法基本原理 104
6.2 對(duì)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(cè)模型 106
6.4 在典型混沌時(shí)間序列中的應(yīng)用 115
6.5 實(shí)證分析 120
第7章 混沌時(shí)間序列的SVM預(yù)測(cè)方法 127
7.1 統(tǒng)計(jì)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(shí)間序列預(yù)測(cè)方法 138
7.4 SVM預(yù)測(cè)方法與BP和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法的比較 146
第8章 基于信息�；�的SVM混沌時(shí)間序列預(yù)測(cè)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(cè)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(cè)模型 156
8.5 模型檢驗(yàn) 163
8.6 在城市交通流預(yù)測(cè)中的應(yīng)用 176
參考文獻(xiàn) 182