自适应矩估计最大相关熵算法的混沌序列预测

摘要：

为了提高非高斯噪声环境下混沌时间序列的预测精度,提出了一种基于自适应矩估计的最大相关熵算法(AdamMCC).在AdamMCC中,采用最大相关熵准则作为代价函数有效地抑制了异常噪声值对预测性能的影响,利用代价函数梯度的一阶矩和二阶矩估计自适应调整算法的权重参数,在不同阶段为算法提供了更好的最优权重搜索方向,从而提高了AdamMCC的预测性能.采用Mackey-Glass和Lorenz两类混沌时间序列进行仿真实验,验证文中提出的AdamMCC的收敛性能和稳态性能.实验结果表明,在非高斯环境下的预测过程中,相比于最小均方算法、最大相关熵算法和分数阶最大相关熵算法,文中提出的基于自适应矩估计的最大相关熵算法在保持鲁棒性的同时,还能以合理的计算复杂度获得更高的预测精度.

关键词：非高斯噪声、混沌时间序列、预测精度、自适应矩估计、最大相关熵准则、鲁棒性

所属期刊栏目：47

分类号：TN911.4

资助基金：国家自然科学基金资助项目61671389,61701419;重庆市博士后科研项目特别资助项目Xm2017107,Xm2017104

在线出版日期：2019-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：20-26,34