重构相空间中确定嵌入维数和延迟时间，matlab源代码

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

多变量时间序列相空间重构和多变量最大李雅普诺夫指数计算的两篇文献

根据相空间重构理论，提出了一种基于遗传小波神经网络(GA-WNN)的混沌时间序列预测方法。根据takens理论，计算出相空间重构所需延迟时间和嵌入维数。采用小波神经网络的构造和算法，将遗传算法用于网络参数优化，为混沌时间序列预测提供可靠依据。为验证模型的可靠性，使用IPIX雷达数据进行多步预测，仿真结果表明这个确定性的模型可以根据海杂波已知数据预测未来值的变化。与传统神经网络预测相比，遗传小波神经网络预测方法的拟合精度和预测精度更好。

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。

12改进的C-C相空间重构自然函数法确定延迟时间wolf法求李雅普诺夫指数小数据量法求李雅普诺夫指数

一种改进的选择相空间重构参数的方法，12、一种改进的选择相空间重构参数的方法12、一种改进的选择相空间重构参数的方法

矿井涌水量的准确预测对预防矿山透水事故的发生至关重要,提出利用GA优化的SVM模型(GA-SVM)来实现矿井涌水量的短期准确预测。该方法利用GA的自动寻优功能寻找SVM的最佳参数,提高了预测的准确率。首先,利用微熵率法求矿井涌水量时间序列的最佳嵌入维数和延迟时间,进行相空间重构。其次,采集义煤集团千秋煤矿2011—2015年实际涌水量的时间序列,利用GA-SVM模型对最后12组数据进行预测,其预测平均绝对百分比误差仅为0.92%,最大相对误差为2.62%。最后,与PSO-SVM和BP神经网络预测进行对比,结果表明GA-SVM优化模型适用于矿井涌水量的预测并且预测精度较高。

[xn, dn, xn_cols] = PhaSpaRecon(s, tau, m) 输入参数： s 混沌序列(列向量) tau 重构时延 m 重构维数 T 直接预测步数 输出参数： xn 相空间中的点序列(每一列为一个点) dn 一步预测的目标(行向量)

利用cao方法求解Lyapunov指数时重构相空间的最佳嵌入维数