重构相空间的嵌入维数及时间延迟得C_C算法的MATLAB代码

提出了一种相空间重构与贝叶斯框架下的LS-SVM预测矿井涌水量的方法,矿井涌水量具有混沌特征,利用相空间重构,找出矿井涌水量时间序列隐藏的演化规律,作为输入参量,将贝叶斯证据框架理论用于最小二乘支持向量机模型参数的优选,运用LS-SVM将非线性问题转化为高维特征空间的线性问题进行求解。利用典型的Lorenz生成的时间序列进行仿真,选择2004年8月-2005年2月的矿井涌水量数据进行验证,结果表明该方法可行并具有较高的精度。

主要用来进行时间序列的相空间重构分析，用作投影

MATLAB求相空间重构延迟时间和嵌入维数的多种方法。包括求延迟时间的自相关法，互信息法；求嵌入维数的Cao法，G-P法；和同时求延迟时间和嵌入维数的C-C法。可以用不同的方式比较求出的tau和m看那个更符合研究结论。

原始风速信号具有的间歇波动性特征给风电场的功率预测带来了挑战，采用集合经验模态分解(EEMD)法将原始风速信号分解为频域稳定的子序列，有效地提高了预测精度，避免了传统经验模态分解(EMD)存在的模态混叠现象。提出一种改进型果蝇优化算法(FOA)，将风速子序列重构参数和最小二乘支持向量机(LS-SVM)参数作为优化目标建立风速预测模型，扩大了参数搜索范围，提高了优化收敛速度；通过风速风功率转化关系可以求得风电场的功率值。实验结果验证了所提方法相比于EMD和LS-SVM预测方法具有更高的预测精度。

相空间重构可以对混沌信号进行混沌特性分析，已经验证过，可以直接使用

matlab相空间重构函数phaseSpaceReconstruction.m，可自动获取嵌入维数eDim,延迟时间eLag

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。