In dieser Arbeit wird ein Prädiktionsverfahren für chaotische Zeitreihen vorgestellt. Das Prädiktionsverfahren arbeitet rekursiv. Die Trainingsdaten in jeder Rekursionsstufe sind die Prädiktionsfehler der vorherigen Rekursionsstufe. Jede Rekursionsstufe besteht aus einer Kombination von genetischer Programmierung und Konstantenoptimierung. Durch das Lernen mit den Trainingsdaten entwickelt die genetische Programmierung Strukturen der nichtlinearen Funktion, die so genannte Sub-Prädiktionsfunktion. Anschließend werden alle Konstanten und Koeffizienten der durch die genetische Programmierung entwickelten nichtlinearen Sub-Prädiktionsfunktion optimiert, um ihre Effizienz zu erhöhen. Am Ende des Prädiktionsprozesses bildet die Summe aller Sub-Prädiktionsfunktionen aus allen Rekursionsstufen gemeinsam die Prädiktionsfunktion.     «

In dieser Arbeit wird ein Prädiktionsverfahren für chaotische Zeitreihen vorgestellt. Das Prädiktionsverfahren arbeitet rekursiv. Die Trainingsdaten in jeder Rekursionsstufe sind die Prädiktionsfehler der vorherigen Rekursionsstufe. Jede Rekursionsstufe besteht aus einer Kombination von genetischer Programmierung und Konstantenoptimierung. Durch das Lernen mit den Trainingsdaten entwickelt die genetische Programmierung Strukturen der nichtlinearen Funktion, die so genannte Sub-Prädiktionsfunkt...     »