中期混沌预测

我们研究在完美模型可用但初始条件测量存在不确定性的情况下，混沌时间序列的预测。针对这些情况，一种常见的未来数据预测方法是尽管存在不确定性，仍然使用模型。在具有折叠动力学的系统中，我们发现通过识别这种行为，可以改善预测效果。对Logistic映射的系统研究表明，可以将对最可能轨迹的预测延长三步时间。最后，我们讨论将这些思想应用于Rössler吸引子的可能性。