具有混沌特征的GMDH网络在降雨量预测中的应用

ＧＭＤＨ称为数据处理的群集方法，它的网络结构有自组织特征，适用于非线性系统的建模〔１〕．降雨量是一种重要的灾害数据，具有混沌特性，本文将降雨量的混沌特征引入神经网络ＧＭＤＨ的建模，并对安徽省蚌埠地区的降雨量进行了预测，收到良好效果．

相空间重构在股票短期预测中的应用

选择了两种基于相空间重构理论的预测方法进行股票数据的短期预测，其结果与实际值吻合较好，证明了方法和程序的有效性．

非线性时间序列数据中的关联维提取

本文将混沌方法引入具有非线性时间序列的降雨量分析。首先对有关混沌及关联维的概念作简单介绍,在确定降雨量数据具有混沌特征后,对其进行关联维提取,得到颇具意义的结果。

径向基神经网络在股市预测中的应用

本文从非线性时间序列预测的角度出发，将径向基（ＲＢＦ）神经网络应用于股票预测。

基于相空间重构的预测方法及其在天气预报中的应用

混沌是近代非常引人注目的研究热点,它掀起了继相对论和量子力学以来基础科学的第三次大革命.混沌现象从表面上看是随机的、不可预报的,事实上却是按照严格的、易于表述的规则运动着.基于混沌动力学的预测和预报应用的研究已取得了长足的进步.本文介绍了基于混沌动力学的相空间重构方法及对其所作的改进,并利用安徽省淮河流域近42年的降水数据进行了预测和验证,说明改进后的方法的有效性.