针对多元混沌时间序列的预测问题,考虑到单纯改进储备池算法无法明显地提高预测精度,提出一种基于误差补偿的时间序列混合预测模型.实际观测的数据既包含线性特征又包含非线性特征.首先利用自回归移动平均模型预测线性特征,使得残差数据仅含非线性特征;然后,建立正则化回声状态网络模型预测;最后,将非线性部分的预测值与线性部分的预测值相加,以实现高精度的多元混沌时间序列预测.基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性.
科研之友
微信
新浪微博
Facebook
分享链接
