摘要：多元混沌时间序列广泛存在于自然、经济、社会、工业等领域.对多元混沌时间序列进行建模预测有助于人类更好地管理,控制与决策.针对多元混沌时间序列的建模预测问题,本文提出一种基于多核极端学习机的预测方法.首先对多元混沌时间序列进行相空间重构,将多元混沌时间序列序列的时间相关性转化为空间相关性.提出一种结合多核学习算法与核极端学习机模型的多核极端学习机建立相空间中输入输出数据的非线性映射.多核极端学习机模型结合了多核学习算法的数据融合能力以及核极端学习机的训练简便优势.基于Lorenz混沌时间序列预测和San Francisco河流月径流量预测的仿真实验表明,与其他常见混沌时间序列预测方法相比,本文提出的基于多核极端学习机的多元混沌时间序列预测方法具有更小的预测误差.

关键词：混沌时间序列 神经网络 核方法 预测 

单位：大连理工大学 电子信息与电气工程学部 控制科学与工程学院 大连116023