基于MCP正则化SWESN的时间序列预测方法研究

提出了一种基于优化回声世界权重的方法，以提高回声世界权重过小时的回声世界预测精度（提高回声世界的预测精度）。模拟了ESN、SWESN、里奇swesn、拉索swesn、SCAD swesn和MCP swesn六种预测方法，预测Lorenz混沌时间序列、MackeyGlass混沌时间序列和实际PM2．5的浓度时间序列。结果表明，基于MCP-swesn的时间序列预测方法具有较强的预测能力。