Resumen

Se propone una nueva metodología que combina un método no paramétrico basado en el coeficiente funcional local autorregresivo (LFAR) con la teoría del caos y un método regional para la predicción multietapa de series temporales caóticas. El objetivo de este estudio de investigación es mejorar el rendimiento de la predicción a largo plazo de series temporales caóticas. Para obtener los valores de predicción de series temporales caóticas, se siguen tres pasos. En primer lugar, la serie temporal original se reconstruye en un espacio de fase dimensional con un retardo temporal utilizando la teoría del caos. En segundo lugar, se seleccionan los puntos vecinos más cercanos mediante un método local en el espacio de fase dimensional. En tercer lugar, se utilizan los puntos vecinos más cercanos para obtener un modelo LFAR. Los parámetros de los modelos propuestos se seleccionan mediante el criterio de validación cruzada generalizada (GCV) modificado. Se utilizan datos simulados (sistemas de Lorenz y Mackey-Glass) y datos reales (serie temporal de manchas solares) para il

• Materias:Ecuaciones en diferencias Ecuación unidimensional Filtrado de información Prevención de interbloqueos Sistemas estocásticos
• Subjects:Difference equations One-dimensional equation Information filtering Interlock prevention Stochastic systems
• Palabras claves:Metodología; Series temporales caóticas; Modelo LFAR; Pronóstico; Teoría del caos; Método regional
• Keywords:Methodology; Chaotic time series; LFAR model; Forecasting; Chaos theory; Regional method