基于核共轭梯度演化模糊系统的混沌时间序列在线预测

为了增强演化模糊系统在混沌时间序列中的在线预测性能,提出一种基于核共轭梯度的演化模糊系统模型.该模型通过基于结构演化的前件部分,挖掘并捕获隐藏在时间序列中的模糊规则.同时,基于参数更新的后件部分有机结合稀疏学习策略和核共轭梯度算法,以降低计算复杂度和提高模型收敛性能.基于核共轭梯度的演化模糊系统不仅剔除了样本中的冗余信息,而且有效平衡了模型的预测精度和预测效率.实验结果表明,所提模型在标杆和真实混沌时间序列的在线预测任务中具有有效性.