基于鲁棒模糊聚类的混沌时间序列预测.pdf

第57卷第5期2008年5月 物 理 学 报 V01．57，No．5，May．2008 1000—3290／2008／57(05)／2784．07 ACTAPHYSlCASINICA ⑥2008 Chin．Phys．See． 基于鲁棒模糊聚类的混沌时间序列预测* 刘福才’ 张彦柳 陈 超 (燕山大学电气工程学院自动化系，秦皇岛066004) (2007年9月27日收到；2007年10月19日收到修改稿) 采用一种基于鲁棒模糊聚类算法的模糊辨识方法．通过引入局部划分关联度因子，增强了系统辨识的抗干扰 能力，提高了系统辨识的鲁棒性．首先用最近邻模糊聚类法划分初始输入空间．得到模糊规则数及初始聚类中心； 然后用鲁棒模糊聚类算法求解并优化模糊隶属度和聚类中心，建立高精度的T-S模糊模型；最后利用最小二乘法 辨识模型的初始结论参数，进一步利用带遗忘因子的递推最dx--乘法优化结论参数．采用该方法对Mackey—Glass混 沌时间序列进行建模和预测，仿真结果表明利用本方法可以进行准确建模和预测，验证了本方法的鲁棒性、有效性 和实用性． 关键词：最近邻模糊聚类，鲁棒模糊聚类，混沌时间序列，最d、乘法 PACC：0545 了简化．Cai等¨21提出了一种快速鲁棒模糊聚类算 1．引 言 法，并且应用在图像分割方面，即以图像中某点的像 X 素值为中心，与其他邻近的像素值组成一个3 3或 非线性混沌时间序列的建模、预测与控制是当 5×5的窗口，通过引入局部划分关联度因子，平滑 今学术界的研究热点．混沌时间序列预测在许多领 该中心像素值，该方法提高了图像分割的抗干扰能 域都有重要的研究意义，例如通过研究电力负荷的 力，具有良好的分割效果．本文所采用的算法，首先 混沌特征，可将混沌时间序列预测算法应用于电力 用简化的最近邻模糊聚类法¨叫确定模糊规则数和 负荷预测…． 初始聚类中心；然后改进了Cai等提出的快速鲁棒 近几年，各种神经网络方法在混沌时间序列预 模糊聚类算法，即通过引入一组局部划分关联度因 测中得到了广泛的应用，但是神经网络预测方法普 子，对每组输入样本向量进行平滑操作，代替了图像 遍存在着效率低、预测精度较低等缺陷．张家树等采 分割中一组局部划分关联度因子只能平滑某一个像 素点，得到平滑的输人样本向量后，再用模糊聚类法 用少参数二阶Volterra滤波器及自适应高阶非线性 滤波方法对混沌时间序列进行预测研究幢1；王宏伟 优化模糊隶属度和聚类中心，从而优化Takagi． 等采用模糊竞争学习方法，提出一种基于模糊模型 的混沌时间序列预测方法旧1；Li等运用自适应方法 初始结论参数，进一步用带遗忘因子的递推最小二 对几类混沌系统进行了有效的控制和辨识【41；刘涵 乘法优化结论参数，实现非线性系统的建模和预测． 等用基于模糊sigmoid核的支持向量机回归建模方 法预测混沌时间序列b1；谭文等运用神经网络对几 时间序列进行建模和预测试验，仿真结果验证本文 类混沌系统进行了辨识和预测。卜m1． 方法的建模鲁棒性、有效性和实用性． 模糊聚类分析是模糊建模的一种常用的有效的 建模方法．模糊聚类算法的优点是可以直接得到输 2．T．S模糊模型 入划分(或乘积的模糊划分)．Wang提出的最近邻模 糊聚类法¨“，使