水文时间序列的混沌性分析及预测研究（毕业设计）(10)

42 附录

根据G-P方法,一群lnCm(r)-ln Data1(r)曲线是策划的增加嵌入维度5所示,微型计算机体积很小,和最小嵌入维数是7。

水文时间序列的混沌特性及预测研究 43

在这种情况下,800点的振动信号的时间序列数据液压泵用于预测。作为一个整体,800数据点划分为训练和测试数据集。前600个样本用于RBF网络训练,接下来的100样品测定最优加权系数ω,最后100样本用于测试RBF和PRBF之间的预测精度。输入节点的数量(最小嵌入维数)7根据上述方法。每个子网的训练后,加权系数ω也可以获得。

图7显示了使用基于一步迭代预测结果PRBF网络。图7给出了比较猿错误RBF和PRBF之间,基于Data1的和这两个都是。

44 附录

5.结论

从仿真结果显示,PRBF网络模型能更好地展示其能力和可靠性预测混沌时间序列相空间重构的基础上。与RBF网络相比,PRBF模型具有更高的预测精度,没有积累误差的影响。此外,一步迭代的性能预测证实了其可行性和实用性在混沌时间序列的预测。一般来说,本文提出的方法能给一个满意的能力在收敛性和短期预测混沌时间序列的预测精度。

水文时间序列的混沌特性及预测研究 45

致谢

本论文是在王斌师的悉心指导下完成的。王老师渊博的专业知识、严谨的治学态度，精益求精的工作作风，诲人不倦的高尚师德，严于律己、宽以待人的崇高风范，朴实无法、平易近人的人格魅力对本人影响深远。不仅使本人树立了远大的学习目标、掌握了基本的研究方法，还使本人明白了许多为人处事的道理。本次论文从选题到完成，每一步都是在导师的悉心指导下完成的，倾注了老师大量的心血。在此，谨向王老师表示崇高的敬意和衷心的感谢！在写论文的过程中，遇到了很多的问题，在老师的耐心指导下，问题都得以解决。所以在此，再次对老师道一声：老师，谢谢您！

时光匆匆如流水，转眼便是大学毕业时节，春梦秋云，聚散真容易。离校日期已日趋渐进，毕业论文的完成也随之进入了尾声。从开始进入课题到论文的顺利完成，一直都离不开老师、同学、朋友给我热情的帮助，在这里请接受我诚挚的谢意！在此我向西北农林科技大学的所有老师表示衷心的感谢，谢谢你们四年的辛勤栽培，谢谢你们在教学的同时更多的是传授我们做人的道理，谢谢四年里面你们孜孜不倦的教诲！

四年寒窗，所收获的不仅仅是愈加丰厚的知识，更重要的是在阅读、实践中所培养的思维方式、表达能力和广阔视野。很庆幸这三年来我遇到了如此多的良师益友，无论在学习上、生活上，还是工作上，都给予了我无私的帮助和热心的照顾，让我在一个充满温馨的环境中度过四年的大学生活。感恩之情难以用言语量度，谨以最朴实的话语致以最崇高的敬意。

最后要感谢的是我的父母，他们不仅培养了我对中国传统文化的浓厚的兴趣，让我在漫长的人生旅途中使心灵有了虔敬的归依，而且也为我能够顺利的完成毕业论文提供了巨大的支持与帮助。在未来的日子里，我会更加努力的学习和工作，不辜负父母对我的殷殷期望！

“长风破浪会有时，直挂云帆济沧海。”这是我少年时最喜欢的诗句。 就用这话作为这篇论文的一个结尾，也是一段生活的结束。希望自己能够继续少年时的梦想，永不放弃。