摘要
本发明公开了一种基于分数阶常微分神经网络的混沌序列预测方法,包括选定分数阶混沌系统;获取对应的输入‑输出数据并构建训练数据集;选定神经网络以构建混沌序列预测初始模型并训练得到混沌序列预测模型;采用得到的混沌序列预测模型进行连续的混沌序列的预测。本发明还公开了一种包括所述基于分数阶常微分神经网络的混沌序列预测方法的气象预测方法。本发明通过神经网络的设计、实现和训练,不仅实现了混沌序列的预测和气象预测,而且可靠性更高,精确性更好,解释性更好。
技术关键词
混沌序列预测
分数阶混沌系统
气象预测方法
分数阶Lorenz系统
双曲正切函数
非线性特征
分数阶微分算子
线性组合特征
历史气象数据
LSTM模型
训练集
参数
传播算法
数值
系统为您推荐了相关专利信息
细菌觅食算法
同步电机控制方法
优化BP神经网络
FOC算法
磁场导向控制
自然语言
极限学习机分类
网络架构
薛定谔方程
参数
智能管理方法
数字孪生技术
项目管理平台
管桩
LSTM算法
泄漏检测方法
误差系数
像素点
实时图像
图像处理
欺诈识别方法
金融交易数据
神经网络模型
多任务损失函数
异构