长期预报的相空间分量组合法

THE GROUP METHOD OF PHASE SPACE COMPONENTS FOR LONG-TERM FORECAST

中文摘要:

      在做长期预报时,我们常用的统计建模理论有这么一个缺点:当建模者事先对系统一无所知;或虽在建模前已经可以决定应变量与变量之间的关系,但赖以建模的数据又太少;我们则无法根据资料来建模,或不可避免地将自己的偏见带入模式中。为此,Ivakhnenko提出了数据处理的组合法(GMDH)^[1],而其回归方程的阶数是根据某些判据而较客观地自动给出。此外,传统的统计预报理论一般是基于时间这一维“空间”的。由于一维空间无法“容纳”分数维D₂>1的吸引子,故必将丢失许多关于系统吸引子演化的重要信息,从而导致某些方面的预报不准确。为此,我们把GMDH技术与相空间理论结合起来, 提出了以下的相空间分量组合法(GMPSC)。

英文摘要:

      The Group Method of Phase Space Components(GMPSC) is presented in the paper by combining Group Method of Data Handling with phase space theory. Some trial tests show that the GMPSC provides an efficient tool for the longterm forecast,the interpolation and the extention of nonlinear time series.