混沌时间序列变分贝叶斯回归预测  

Chaotic Time Series Prediction Using Variational Bayesian Regressive Model

作　　者：汪金菊[1] 徐小红[1] 朱功勤[1] 黄国林[2] 

机构地区：[1]合肥工业大学计算机与信息学院,安徽合肥230009 [2]合肥工业大学数学系,安徽合肥230009

出　　处：《应用科学学报》2008年第4期413-417,共5页Journal of Applied Sciences

基　　金：新世纪优秀人才支持计划(No.NCET-04-0560);合肥工业大学校科学研究发展基金(No.081004F;No.080503F);合肥工业大学学生创新基金(No.XS08077)资助项目

摘　　要：基于变分贝叶斯及相空间重构理论,提出了含噪混沌时间序列相空间域线性回归预测模型.该模型对序列进行相空间重构,在相空间中用变分贝叶斯推断方法估计线性回归系数.将该模型对含加性高斯噪声的Mackey-Glass混沌时间序列进行预测研究.仿真结果表明,该文方法能够有效地抑制过拟和现象,具有较强的抗噪声能力,且预测结果对重构相空间的嵌入维数和时间延迟的变化不敏感.We present a linearly regressive prediction model for noisy chaotic time series phase space based on variational Bayesian and phase space reconstructive theory. Time series phase space is constructed. The variational Bayesian method estimates the linear regressive coefficient. We use the model to predict the Mackey-Glass chaotic time series with additive Gaussian noise. The results show that the model is robust to noise and can effectively control over-fitting. The prediction effect is not sensitive to the change of embedding dimension and time delay.

关 键 词：混沌时间序列 变分贝叶斯 相空间 线性回归模型 预测 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]