基于Cholesky分解的混沌时间序列Volterra预测-based on the Cholesky decomposition Volterra chaotic time series prediction

文章展示了一种新的方法用于功率系统中短期负载预测。提出的方案使用混沌时间序列分析基于确定性混沌去捕捉复杂的负载行为特征。确定性的混沌允许我们重构一个时间序列并决定输入的变量个数。这篇文章描述了混沌时间序列对日间功率系统峰值的分析。确定性混沌的非线性图形通过多层感知器的神经网络得到。提出的方案在一个例子中具体阐述。-This paper presents a new approach to short-term load forecasting in power systems. The

该文章从混沌和分形的关系出发，基于奇异吸引子的分形结构和时间序列的自仿射特性，提出了一种混沌时间序列的预测方法。采用迭代函数系统跟踪混沌的局部运动轨迹，由此确定统计意义上放射性能最优的时间序列段，并分局吸引子定力和拼贴定理建立预测模型。-This article from the chaos and fractal relationship starting, based on the characteristics of self-affine fractal structure and ti

C-C方法用来计算时间延迟和时间窗口，适用于混沌时间序列，在求混沌时间序列的相空间重构时，用来计算时间延迟。-The C-C method is used to calculate the time delay and time window,it is suitable for chaotic time series, when you restructure the phase space reconstruction for chaotic time series, you can use

使用混沌与分形分析的例程，Pisarenko谐波分解算法,LZ复杂度反映的是一个时间序列中。- Use Chaos and fractal analysis routines, Pisarenko harmonic dec