混沌时间序列分析与预测工具箱 Version2.0，该工具箱包括了混沌时间序列分析与预测的常用方法,有:产生混沌时间序列(chaotic time series)等

基于BP网络的混沌时间序列预测的研究中北大学硕士论文-基于BP网络的混沌时间序列预测的研究.rar 基于BP网络的混沌时间序列预测的研究 【英文题名】 Research on the Prediction of Chaotic Time Series Based on BP Network 【作者中文名】 李众; 【导师】 王建中; 【学位授予单位】 中北大学; 【学科专业名称】 应用数学 【学位年度】 2008 【论文级别】 硕士 【网络出版投稿人】 中北大学 【网络出版投稿时间】 2008-10-14 【关键词】 BP神经网络; 混沌; 时间序列; 预测; 【英文关键词】 BP network; Chaos; Time Series; Prediction; 【中文摘要】 混沌时间序列的普遍存在性使得对于它的预测有着极为深刻的意义和丰富的内涵。本文研究了混沌时间序列的相关理论和方法,将BP神经网络应用于混沌时间序列预测中,并采用Matlab编程验证了其有效性和普适性。论文主要完成4个方面的工作: 1)介绍了混沌时间序列,论述了其可预测性、预测方法以及预测尺度。 2)相空间重构是对时间序列进行深层次信息挖掘的一种有效的方法。本文讨论了相空间重构中时间延迟与嵌入维数的选取以及Lyapunov指数的估计,并给出了相应算法。 3)将BP神经网络理论引入混沌时间序列预测领域,给出了BP神经网络拟和重构后所得函数关系的具体实现过程,并应用训练后的网络进行预测,经仿真表明了该方法的有效性,并给出了具体的应用实例。 4)讨论了BP网络参数设定的一般方法和优化参数的方法。 【英文摘要】 The prediction of chaotic time series has very abundant and profound meaning and can be widely applied. With a study on the relevant theory and methods, this paper applies BP neural network in the prediction of chaotic time series and its validity and universality are proved by matlab program. The paper can be summed up into as the following parts: 1)Chaotic time series is introduced and its predictability, methods and scales are mainly discussed as well. 2)Phase space reconstruction is an...

Df(x)此函数用于构造麦克-格拉斯(Mackey-Glass)混沌延迟微分方程的形式 Mackey_Glass(N,tau)麦克-格拉斯(Mackey-Glass)混沌延迟微分方程 x为序列返回值，t为时间返回值，h为时隙间隔，N为点数 test是生成0-2000s内的Mackey_Glass序列，τ \tauτ分别取不同的值 (13,30) (13,30)(13,30),并做出相应相位时差 ---------------------

此工具箱可同于计算混沌时间序列的嵌入维数和延迟时间等很多参数，以及不变量的求取

混沌系统工具箱，里面包含混沌时间序列的生成，相空间重构等matlab源代码，希望对研究混沌时间序列分析与预测的朋友有用。

ChaosToolbox2p0_trial.rar 卢振波老师的混沌时间序列预测工具箱，可用，非常不错

结合相空间重构理论和统计学习理论.实现混沌时间序列的多步预测.采用微熵率法求得最优嵌入维数和时延参数,重构系统相空间,用最小二乘支持向量机建立混沌时间序列的多步预测模型,并与径向基函数网络预测模型比较.结果表明,所建立的模型能够捕捉到原混沌系统的动力学特征.前者的归一化均方根预测误差远小于径向基函数网络预测模型的预测误差,泛化能力较强,其预测效果较好.

在这里，您将找到用于混沌时间序列预测任务的径向基函数神经网络 (RBF-NN) 的两种变体。 特别是，我以常规方式实施了RBF，并将其性能与时空RBF-NN进行了Mackey-Glass时间序列预测。 * 对于引文，请参阅 [引用为] 部分

混沌时间序列分析及其应用 吕金虎 武汉大学出版社

ESN(回声状态网络)是一种新型的递归神经网络,可有效处理非线性系统辨识以及混沌时间序列预测问题.针对ESN学习算法中可能存在的解的奇异问题,利用岭回归方法代替原有的线性回归算法.通过贝叶斯或Bootstrap 方法确定岭回归方法中的正则项系数,从而有效地控制输出权值的幅值,改善ESN的预测性能.该方法在月太阳黑子预测问题中显示出较好的结果.