www.gusucode.com > 混沌时间序列工具箱 > 混沌时间序列工具箱/ChaosToolbox1p0_trial/Prediction_RBF/Main_RBF.m
% 混沌时间序列的 rbf 预测(一步预测) -- 主函数 % 使用平台 - Matlab6.5 / Matlab7.0 % 作者:陆振波,海军工程大学 % 欢迎同行来信交流与合作,更多文章与程序下载请访问我的个人主页 % 电子邮件:luzhenbo@yahoo.com.cn % 个人主页:http://luzhenbo.88uu.com.cn clc clear close all %-------------------------------------------------- % 公共参数 k1 = 6000; % 前面的迭代点数 k2 = 2000; % 后面的迭代点数 (总样本数) %-------------------------------------------------- % 产生混沌序列 sigma = 10; % Lorenz 方程参数 a b = 8/3; % b r = 34; % c y = [-1,0,1]; % 起始点 (1 x 3 的行向量) h = 0.01; % 积分时间步长 z = LorenzData(y,h,k1+k2,sigma,r,b); X = z(k1+1:end,1); %-------------------------------------------------- X = normalize_a(X,1); % 信号归一化到均值为0,振幅为1 tau = 10; % 时延 m = 3; % 嵌入维数 %-------------------------------------------------- train_num = 500 % 训练样本数 test_num = 1500 % 测试样本数 %-------------------------------------------------- % 混沌序列的相空间重构 (phase space reconstruction) x_train = X(1:train_num); x_test = X(train_num+1:train_num+test_num); [xn_train,dn_train] = PhaSpaRecon(x_train,tau,m); [xn_test,dn_test] = PhaSpaRecon(x_test,tau,m); %------------------------------------------------------ % 神经元数是训练样本个数 P = xn_train; T = dn_train; spread = 10 % 此值越大,覆盖的函数值就大(默认为1) net = newrbe(P,T,spread); err1 = sim(net,xn_train)-dn_train; err_mse1 = mean(err1.^2); Perr1 = err_mse1/var(X) dn_pred = sim(net,xn_test); err2 = dn_pred-dn_test; err_mse2 = mean(err2.^2); Perr2 = err_mse2/var(X) %------------------------------------------------------ figure; subplot(211); plot(1:length(err2),dn_test,'r+:',1:length(err2),dn_pred,'bo-'); title('真实值(+)与预测值(o)') subplot(212); plot(err2,'k'); title('预测绝对误差')