混沌时间序列的自适应正交小波神经网络预测

针对非线性混沌时间序列预测问题,提出一种基于正交小波神经网络的自适应预测算法。根据来自非线性序列模型的期望输入输出数据,利用小波框架理论建立初始的小波神经网络。采用正交化逐步选择方法对于初始小波神经网络进行结构优化,从而建立最精简的网络模型。同时引入在线学习算法在线修改网络权值和小波神经元的参数,从而提高模型的自适应能力和泛化能力。通过对时滞Mackey-G lass超时间序列和时变Lorenz混沌序列的预测,证明了算法的有效性。