学位论文 > 优秀研究生学位论文题录展示

基于回声状态网络的非线性时间序列预测方法研究

作　者: 赵露莎
导　师: 马培军
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: 时间序列预测回声状态网络储备池参数优化遗传算法
分类号: TP183
类　型: 硕士论文
年　份: 2012年
下　载: 49次
引　用: 0次
阅　读: 论文下载

内容摘要

非线性时间序列广泛存在于工程问题及科学研究中，准确的预测结果可以为科学决策提供理论及实际支持。近年来，递归神经网络成为时间序列预测领域的主要研究方向之一，但是传统递归网络方法中，存在训练算法过于复杂、收敛速度慢、易于陷入局部最优以及难以确定网络结构等问题，严重限制了其在非线性时间序列预测领域的应用。作为新型的递归网络，回声状态网络只训练部分权值，克服了传统递归网络存在的固有问题，逐渐成为时间序列预测的主要工具之一，基于回声状态网络的非线性时间序列预测成为一个具有重要理论和应用价值的研究热点。针对基于回声状态网络时间序列预测的精度提升及适应性问题，根据不同的预测需求，本文从储备池参数选择以及回声状态网络模型结构的改善与扩展两个方面，开展基于回声状态网络的非线性时间序列预测方法的研究工作。储备池参数选择问题中，针对随机生成的储备池与具体问题无关，以及储备池参数难以确定等问题，本文引入遗传算法进行储备池的参数选择，并将传统遗传算法的变异操作进行改进，在此基础上提出基于储备池优化的回声状态网络预测模型，达到构建最优储备池的目的。在改善回声状态网络模型结构方面，针对不同的预测需求，考虑到回声状态网络处理多输出的能力，本文综合迭代预测与直接预测各自的优点，提出组合回声状态的模型结构，采用加权融合的方式对序列的未来趋势进行预测，实现对含噪声的非线性时间序列较为精确的多步预测。

全文目录

摘要  4-5
Abstract  5-8
第1章绪论  8-15
  1.1 课题研究的背景与意义  8-9
  1.2 国内外研究现状及分析  9-13
    1.2.1 时间序列预测研究现状  9-11
    1.2.2 回声状态网络的非线性时间序列预测研究现状  11-13
  1.3 论文的主要研究内容及章节安排  13-15
第2章回声状态网络的数学模型和预测模型  15-25
  2.1 回声状态网络的数学模型  15-19
    2.1.1 回声状态网络的模型结构  15-17
    2.1.2 回声状态网络的训练算法  17-18
    2.1.3 回声状态属性  18-19
  2.2 回声状态网络的预测模型  19-24
    2.2.1 预测模型整体框架  20-22
    2.2.2 预测模型的分析与改进  22-24
  2.3 本章小结  24-25
第3章储备池优化 ESN 非线性时间序列预测方法研究  25-45
  3.1 储备池适应性解决方法  25-28
    3.1.1 储备池适应性问题  25
    3.1.2 适应性解决方法  25-28
  3.2 回声状态网络的储备池参数选择  28-33
    3.2.1 储备池的关键参数  28-29
    3.2.2 遗传算法基本原理  29-31
    3.2.3 改进遗传算法的参数选择  31-33
  3.3 储备池优化的非线性时间序列预测模型  33-44
    3.3.1 预测模型框架  34-35
    3.3.2 算法流程  35-36
    3.3.3 仿真实验和算法评估  36-44
  3.4 本章小结  44-45
第4章组合 ESN 的非线性时间序列预测方法研究  45-56
  4.1 组合 ESN 多步预测模型框架  45-51
    4.1.1 ESN 迭代预测  45-46
    4.1.2 ESN 直接预测  46-48
    4.1.3 组合 ESN 的多步预测  48-49
    4.1.4 算法流程  49-51
  4.2 组合 ESN 的多步预测实验验证  51-54
    4.2.1 实验方案设计  51
    4.2.2 仿真实验和算法评估  51-54
  4.3 本章小结  54-56
结论  56-57
参考文献  57-61
攻读硕士学位期间发表的论文及其它成果  61-63
致谢  63

基于回声状态网络的非线性时间序列预测方法研究

内容摘要

全文目录

相似论文