基于量子粒子群的全参数连分式混沌时间序列预测

张宏立¹，李瑞国¹，范文慧²，王雅³

1. 新疆大学电气工程学院2. 清华大学自动化系3. 新疆大学机械工程学院

摘 要：针对传统混沌时间序列预测模型的复杂性、低精度性和低时效性的缺点,在倒差商连分式基础上提出全参数连分式模型,并利用量子粒子群优化算法优化模型参数,将参数优化问题转化为多维空间上的函数优化问题.以二阶强迫布鲁塞尔振子和三维二次自治广义Lorenz系统为模型,通过四阶Runge-Kutta法产生混沌时间序列,并利用基于量子粒子群优化算法的全参数连分式、BP神经网络和RBF神经网络分别对混沌时间序列进行单步和多步预测.仿真结果表明,基于量子粒子群优化算法的全参数连分式结构简单、精度高、效率高,该预测模型可被推广和应用.

关键词：全参数连分式;量子粒子群优化算法;混沌时间序列预测;