% 混沌時間序列的 rbf 預測(一步預測) -- 主函數% 使用平臺 - Matlab7.0% 作者：陸振波，海軍工程大學% 歡迎同行來信交流與合作，更多文章與程序下載請訪問我的個人主頁% 電子郵件：luzhenbo@yahoo.com.cn% 個人主頁：http://luzhenbo.88uu.com.cnclcclear allclose all%--------------------------------------------------------------------------% 產生混沌序列% dx/dt = sigma*(y-x)% dy/dt = r*x - y - x*z% dz/dt = -b*z + x*ysigma = 16;             % Lorenz 方程參數 ab = 4;                  %                 br = 45.92;              %                 c            y = [-1,0,1];           % 起始點 (1 x 3 的行向量)h = 0.01;               % 積分時間步長k1 = 3e+4;              % 前面的迭代點數k2 = 6e+3;              % 后面的迭代點數Z = LorenzData(y,h,k1+k2,sigma,r,b);X = Z(k1+1:end,1);      % 時間序列X = normalize_a(X,1);   % 信號歸一化到均值為0,振幅為1%--------------------------------------------------------------------------% 相關參數t = 1;                  % 時延d = 3;                  % 嵌入維數n_tr = 1000;            % 訓練樣本數n_te = 1000;            % 測試樣本數%--------------------------------------------------------------------------% 相空間重構X_TR = X(1:n_tr);X_TE = X(n_tr+1:n_tr+n_te);[XN_TR,DN_TR] = PhaSpaRecon(X_TR,t,d);[XN_TE,DN_TE] = PhaSpaRecon(X_TE,t,d);%--------------------------------------------------------------------------% 訓練與測試P = XN_TR;T = DN_TR;spread = 1;       % 此值越大,覆蓋的函數值就大(默認為1)net = newrbe(P,T,spread);ERR1 = sim(net,XN_TR)-DN_TR;err_mse1 = mean(ERR1.^2);perr1 = err_mse1/var(X)DN_PR = sim(net,XN_TE);ERR2 = DN_PR-DN_TE;err_mse2 = mean(ERR2.^2);perr2 = err_mse2/var(X)%--------------------------------------------------------------------------% 結果做圖figure;subplot(211);plot(1:length(ERR2),DN_TE,'r+-',1:length(ERR2),DN_PR,'b-');title('真實值(+)與預測值(.)')subplot(212);plot(ERR2,'k');title('預測絕對誤差')