混沌时间序列的混合预测方法

？提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(pso-lssvm)和广义自回归条件异方差模型(garch)的混沌时间序列的混合预测方法.首先利用小波变换将混沌时间序列分解和重构成概貌时间序列和细节时间序列;然后利用pso-lssvm模型预测概貌时间序列的未来值,采用garch模型预测细节时间序列的未来值;最后将概貌时间序列和细节时间序列的未来值求和作为最终的预测结果.采用该方法对mackey-glass和变参数logistic混沌时间序列进行预测.结果表明该方法能精确地预测混沌时间序列,验证了文中所提方法的有效性.