学位论文 > 优秀研究生学位论文题录展示

基于核自组织映射的时间序列预测研究

作　者: 谢建华
导　师: 於东军
学　校: 南京理工大学
专　业: 控制工程
关键词: 时间序列预测自组织映射核函数核自组织映射
分类号: O211.61
类　型: 硕士论文
年　份: 2012年
下　载: 47次
引　用: 0次
阅　读: 论文下载

内容摘要

时间序列预测分析是人们利用观察的历史数据对其进行分析研究,总结数据之间存在的内在联系,并预测该序列在未来某个时刻可能出现的值。准确有效的时间序列预测分析可以为决策者提供一种决策支持或规划建议,从而便于决策者的控制管理。但是实际生活中常遇到的时间序列都具有诸如不规则、非线性性以及易受噪声干扰影响等特性,一般情况下,不易直接建立一种理想的、适合于实际问题的模型来进行时间序列预测分析。而人工神经网络模型具有的自组织学习等较好特性,使得运用该方法进行时间序列的预测分析将会得到更好的效果。本文首先介绍了时间序列预测分析的相关理论,一般过程以及在该领域中经常使用的方法和预测模型,然后详细介绍了自组织映射神经网络模型(SOM)的学习算法及应用。传统的SOM网络模型适用于聚类或是分类,如何利用SOM网络模型对时间序列进行预测是本文研究的重点。为此,本文首先引入了适用于MIMO情形的SOM算法,并在此基础上,引入核函数,利用带有核函数的自组织映射神经网络模型(KSOM)对时间序列进行预测。此外,本文还分析了应用KSOM模型时常见的问题,包括数据预处理、参数设置等。两个时间序列数据集上的对比实验结果表明,在SOM中引入核函数有助于进一步提高非线性时间序列的预测准确性。

全文目录

摘要  4-5
Abstract  5-6
目录  6-8
1 绪论  8-13
  1.1 研究背景及意义  8-9
  1.2 国内外发展状况  9-11
  1.3 本文所作的工作  11-12
  1.4 本文的组织结构  12-13
2 时间序列预测分析理论  13-26
  2.1 时间序列预测概述  13-14
    2.1.1 时间序列的定义  13-14
    2.1.2 时间序列预测的特点  14
  2.2 时间序列预测方法  14-15
  2.3 时间序列预测一般过程  15-16
  2.4 时间序列预测相关模型  16-25
    2.4.1 传统的时间序列预测模型  16-18
    2.4.2 改进的时间序列预测模型  18-19
    2.4.3 人工神经网络模型  19-25
  2.5 本章小结  25-26
3 面向时间序列预测的自组织映射网络  26-39
  3.1 自组织映射网络理论  26-29
    3.1.1 SOM网络起源  26-27
    3.1.2 SOM网络结构  27
    3.1.3 SOM网络原理  27-29
  3.2 自组织映射网络学习算法  29-33
    3.2.1 SOM模型描述  29-31
    3.2.2 SOM参数设置  31-32
    3.2.3 SOM模型局限性  32-33
  3.3 基于SOM的时间序列预测  33-35
  3.4 基于SOM的时间序列预测改进-KSOM  35-38
  3.5 本章小结  38-39
4 实验结果与分析  39-56
  4.1 数据集  39-40
    4.1.1 太阳黑子  39
    4.1.2 非线性数学模型  39-40
  4.2 预处理  40-45
    4.2.1 数据标准化  40-43
    4.2.2 滤波法的使用  43-45
  4.3 SOM与KSOM实验过程  45-54
    4.3.1 输入模式的确定  45-46
    4.3.2 输入模式预处理  46-48
    4.3.3 预测模型的建立  48-49
    4.3.4 实验结果分析  49-54
  4.4 本章小结  54-56
5 展望与总结  56-58
  5.1 总结  56
  5.2 展望  56-58
致谢  58-59
参考文献  59-62
附录  62

基于核自组织映射的时间序列预测研究

内容摘要

全文目录

相似论文