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_MultiStepPred.m

    % 混沌时间序列的 rbf 预测(多步预测) -- 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

%---------------------------------------------------
% 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

k1 = 6000;              % 前面的迭代点数
k2 = 5000;              % 后面的迭代点数 (总样本数)

z = LorenzData(y,h,k1+k2,sigma,r,b);
x = z(k1+1:end,1);
x = normalize_1(x);     % 归一化到均值为0，方差1

%----------------------------------------------------

train_num = 500;       % 训练样本数
test_num = 1000;       % 测试样本数

%----------------------------------------------------
% 混沌序列的相空间重构 (phase space reconstruction)

tau = 10
m = 3
x = x(1:train_num+test_num);
[xn_train,dn_train] = PhaSpaRecon(x(1:train_num),tau,m);
[xn_test,dn_test] = PhaSpaRecon(x(train_num+1:train_num+test_num),tau,m);

%----------------------------------------------------

% 神经元数是训练样本个数
P = xn_train;
T = dn_train;
spread = 1       % 此值越大,覆盖的函数值就大(默认为1)
net = newrbe(xn_train,dn_train);
err = sim(net,xn_train)-dn_train;
err_mse1 = sqrt(sum(err.^2)/length(err))            

%----------------------------------------------------
% 多步预测
len_pred = 300;

x_start = x(train_num-(m-1)*tau:train_num);
dn_pred = zeros(len_pred,1);
for i=1:len_pred
    xn_start = PhaSpaRecon(x_start,tau,m);
    dn_pred(i) = sim(net,xn_start);
    x_start = [x_start(2:end);dn_pred(i)];
end
dn_test = x(train_num+1:train_num+len_pred);

%----------------------------------------------------
% 作图

plot(train_num+1:train_num+len_pred,dn_test,'r',...
     train_num+1:train_num+len_pred,dn_pred,'b');
legend('真实值','预测值',0);