【摘要】：近年來,作為非線性信號處理的重要手段,基于再生核希爾伯特空間(Reproducing Kernel Hilbert Space,RKHS)的核學習方法得到廣泛關(guān)注。核學習方法通過非線性映射,將輸入樣本嵌入到高維特征空間,即在高維特征空間中對非線性數(shù)據(jù)進行線性處理,巧妙的將非線性問題映射為高維特征空間中的線性問題,其廣泛應(yīng)用于模式識別以及其他非線性回歸建模中,如何提高工程應(yīng)用中時間序列的預(yù)測精度并且滿足實時性的要求具有重要意義。本文主要研究了基于核自適應(yīng)濾波算法的實測交通流量預(yù)測以及網(wǎng)絡(luò)流時間序列預(yù)測,基于核自適應(yīng)濾波算法的自適應(yīng)特性,能夠滿足對交通流量以及網(wǎng)絡(luò)流量預(yù)測的實際需求,且能提高預(yù)測精度。本文的研究內(nèi)容為:(1)研究支持向量機(Support Vector Machine,SVM)、核極限學習機(Kernel Extreme Learning Machine,KELM)等建模方法,分析其基本理論與算法基礎(chǔ)。(2)針對Henon、Mackey-Glass混沌時間序列預(yù)測,為進一步提高預(yù)測精度,研究基于特征提取技巧的KPCA-KELM(Kernel Principal Component Analysis,核主元分析)方法及核偏最小二乘(Kernel Partial Least Square,KPLS)方法。為衡量其有效性,在同等條件下,還與SVM、LSSVM、KPCA-SVM、KPCA-LSSVM、KELM方法進行對比。實驗結(jié)果表明,KPCA-KELM、KPLS方法均能取得不錯的預(yù)測效果。(3)為滿足實際應(yīng)用中對預(yù)測精度以及實時性的要求,提出一類基于在線核自適應(yīng)濾波的預(yù)測模型,包括核遞推最小二乘(Kernel Recursive Least Squares,KRLS)和核最小均方(Kernel Least Mean Square,KLMS)方法。(4)將KRLS、KLMS方法應(yīng)用于實測的短時交通流量及貝爾計算實驗室記錄的基于BC-pAug89.TL、BC-pOct89.TL和BC-Oct89Ext.TL數(shù)據(jù)集的網(wǎng)絡(luò)流量時間序列預(yù)測,為驗證所用方法的有效性,在同等條件下,與KPLS、KPCA-KELM等方法的預(yù)測結(jié)果進行對比。實驗結(jié)果表明,所提出的KRLS方法、KLMS方法能有效改善預(yù)測精度,加快收斂速度。進一步與現(xiàn)有相關(guān)文獻進行對比,同等條件下,KRLS方法的預(yù)測結(jié)果略優(yōu)于基于改進T-S模糊神經(jīng)網(wǎng)絡(luò)以及采用變分高斯過程的短時交通流量預(yù)測結(jié)果。
【學位授予單位】：蘭州交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U491.14

【相似文獻】

相關(guān)期刊論文 前10條

1 何蕭玲;時間序列預(yù)測的一個前饋神經(jīng)網(wǎng)絡(luò)模型[J];福州大學學報(自然科學版);2001年04期

2 聶皖生;時間序列預(yù)測的權(quán)數(shù)理論[J];統(tǒng)計與預(yù)測;1994年05期

3 張志鵬;王偉平;鄭海超;;卡爾曼濾波及其在時間序列預(yù)測中的應(yīng)用[J];儀表技術(shù);2010年07期

4 江勝菊;王濤;;一型模糊邏輯系統(tǒng)在時間序列預(yù)測中的應(yīng)用[J];遼寧工業(yè)大學學報(自然科學版);2012年05期

5 朱丹;;“時間序列預(yù)測”教學探討[J];中山大學學報論叢;2005年06期

6 孫延風,梁艷春,姜靜清,吳春國;金融時間序列預(yù)測中的神經(jīng)網(wǎng)絡(luò)方法[J];吉林大學學報(信息科學版);2004年01期

7 王鴻緒;陳德廣;過建春;金海龍;;基于逆模糊數(shù)的模糊時間序列預(yù)測的新方法[J];數(shù)學的實踐與認識;2015年07期

8 楊月英;馬萍;;基于灰色時間序列預(yù)測中國汽車銷量[J];湖州職業(yè)技術(shù)學院學報;2012年01期

9 吳江;李太勇;;基于加權(quán)支持向量機的金融時間序列預(yù)測[J];商業(yè)研究;2010年01期

10 楊鐘瑾;;核函數(shù)支持向量機的時間序列預(yù)測應(yīng)用研究[J];消費導(dǎo)刊;2008年10期

相關(guān)會議論文 前10條

1 尤華;王建東;;機場噪聲的時間序列預(yù)測[A];2011年通信與信息技術(shù)新進展——第八屆中國通信學會學術(shù)年會論文集[C];2011年

2 陳宇;唐常杰;鐘義嘯;段磊;喬少杰;普東航;;基于基因表達式編程和時變強度的時間序列預(yù)測[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

3 王亮;鐘登華;葛曉冬;;預(yù)測方法綜述[A];全國青年管理科學與系統(tǒng)科學論文集（第1卷）[C];1991年

4 程乾生;;非線性時間序列預(yù)測——基于數(shù)據(jù)結(jié)構(gòu)的預(yù)測方法[A];全國第一屆嵌入式技術(shù)聯(lián)合學術(shù)會議論文集[C];2006年

5 劉經(jīng)緯;王普;劉蘇;楊蕾;;時間序列預(yù)測小波神經(jīng)網(wǎng)絡(luò)控制方法研究[A];第26屆中國控制與決策會議論文集[C];2014年

6 王昭旭;郝曉辰;郭f萬，

本文編號：2698299