含噪声混沌时间序列重构模型与预测研究

混沌序列具有高度非线性和复杂性，又广泛存在于各种自然现象和社会现象之中，所以含噪声混沌时间序列的重构模型和预测研究是自然科学和社会科学中普遍存在的课题。本项目对带有随机噪声的混沌时间序列进行重构模型和预测研究。主要以神经网络理论、优化方法和多元数值逼近理论为基本工具，结合混沌理论的最新发展，研究能够有效地进行长期混沌时间序列的全局或局部，在线或离线建模和预测的神经网络模型和算法,并进行网络鲁棒性和收敛性分析。同时，针对复杂系统内部存在的多个研究对象，建立拟合多维混沌时间序列演化行为的神经网络模型，分析它们之间的内在关系和相互影响机制，更好的掌握长期混沌时间序列的变化规律，实现较高精度的中长期建模和预测目的。