Gaussian小波SVM及其混沌时间序列预测

为了提高混沌时间序列的预测精度，针对小波有利于信号细微特征提取的优点，结合小波技术和SVM的核函数方法，提出基于Gaussian小波SVM的混沌时间序列预测模型。证明了偶数阶Gaussian小波函数满足SVM平移不变核条件，并构建相应的Gaussian小波SVM。对混沌时间序列进行相空间重构，将重构相空间中的向量作为SVM的输入参量。用Gaussian小波SVM与常用的径向基SVM及Morlet小泼SVM进行对比实验，通过对Chen’s混沌时间序列和负荷混沌时间序列的预测，结果表明，Gaussian小波SVM的效果比其他两种SVM更好。