华南理工大学学报(自然科学版)

作者：王世元 王文月 钱国兵

单位：西南大学 电子信息工程学院∥非线性电路与智能信息处理重庆市重点实验室，重庆 400715

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

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)

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．

来源：2019年第4期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2019年第4期