基于泛函网络的周期来压预测方法研究

为预测周期来压,构建了基于小波和混沌优化的泛函网络(fn)预测方法。该方法利用小波分解技术将所选的样本集数据分解成不同频率的分量。基于混沌理论对分量相空间进行重构。各重构分量分别使用fn模型进行训练。最后,将各个fn模型得到的预测分量进行小波重组,得到完整的周期来压荷载预测波形。通过在重构时的计算发现,荷载的时序序列有一定的混沌性。通过模拟并与3种其它模型进行比较发现,基于小波和混沌优化fn的预测模型得到的最终周期来压荷载波的精度更高,收敛性也较好,但是,时间成本较大。