復(fù)雜系統(tǒng)產(chǎn)生的混沌時間序列普遍存在于天文、水文、氣象、環(huán)境、金融等領(lǐng)域.混沌時間序列的分析與預(yù)測對于理解復(fù)雜系統(tǒng)特性、探究系統(tǒng)演化規(guī)律具有重要作用.本文介紹了復(fù)雜系統(tǒng)中混沌時間序列分析與預(yù)測的研究熱點問題,主要從實際復(fù)雜系統(tǒng)中的混沌時間序列的研究背景、多元混沌時間序列的降維方法、含噪聲混沌時間序列的建模方法、非平穩(wěn)混沌時間序列的在線建模手段以及混沌時間序列的中長期預(yù)報等方面進行闡述,同時總結(jié)并展望了未來的研究趨勢. 

【文章來源】：信息與控制. 2020,49(01)北大核心CSCD

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引言
1 多元混沌時間序列的降維方法
    1.1 變量選擇
    1.2 特征提取
2 含噪聲混沌時間序列預(yù)測
    2.1 混沌時間序列去噪方法
    2.2 含噪聲混沌時間序列的魯棒建模方法
3 非平穩(wěn)混沌時間序列預(yù)測
    3.1 神經(jīng)網(wǎng)絡(luò)在線建模
    3.2 核自適應(yīng)濾波器
4 混沌時間序列中長期預(yù)測
    4.1 基于直接策略的中長期時間序列預(yù)測
    4.2 基于迭代策略的中長期時間序列預(yù)測
5 討論與未來研究方向
    1)基于深度學習的時間序列建模
    2)基于多任務(wù)學習的時間序列建模
    3)基于遷移學習的時間序列建模
6 結(jié)論


【參考文獻】：
期刊論文
[1]Big Learning with Bayesian methods[J]. Jun Zhu,Jianfei Chen,Wenbo Hu,Bo Zhang.  National Science Review. 2017(04)
[2]一種基于改進灰色關(guān)聯(lián)分析的變量選擇算法[J]. 韓敏,張瑞全,許美玲.  控制與決策. 2017(09)
[3]一種基于κ-近鄰互信息變化率的輸入變量選擇方法[J]. 韓敏,梁志平.  控制與決策. 2012(06)
[4]一種有效的儲備池在線稀疏學習算法[J]. 韓敏,王新迎.  自動化學報. 2011(12)
[5]基于Kalman濾波的儲備池多元時間序列在線預(yù)報器[J]. 韓敏,王亞楠.  自動化學報. 2010(01)
[6]基于小波變換閾值決策的混沌信號去噪研究[J]. 韓敏,劉玉花,席劍輝,史志偉.  信息與控制. 2005(05)
[7]改進非線性局部平均算法的混沌去噪研究[J]. 席劍輝,韓敏,孫燕楠.  系統(tǒng)工程與電子技術(shù). 2005(05)



本文編號：3509572