摘要：基于支持向量机强大的非线性映射能力和模糊逻辑易于将先验的系统知识结合到模糊规则的特性,根据混沌动力系统的相空间重构理论,提出了一种混沌时间序列的模糊模型的支持向量机预测模型,并采用适用于大规模问题求解的最小二乘法来训练预测模型,利用该模型分别对模型的整体预测性能与嵌入维数及延迟时间的关系进行了探讨.最后利用Mackey-Glass时间序列和典型的Lorenz系统生成的时间序列对该模型进行了验证,结果表明该预测模型不仅能够自动的从学习数据中获取知识产生模糊规则,提取能够代表混沌时间序列内在规律的支持向量,大大减少支持向量的数目,精确地预测未来的混沌时间序列,而且在混沌时间序列的嵌入维数未知和延迟时间不能合理选择的情况下,也能取得比较好的预测效果.这一结论预示着基于模糊模型的支持向量机是一种研究混沌时间序列的有效方法.

关键词：支持向量机 混沌时间序列预测 模糊模型 非线性映射能力 相空间重构理论 

单位：西安交通大学电子与信息工程学院; 西安; 710049