本文關(guān)鍵詞：回聲狀態(tài)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)方法及應(yīng)用研究　出處：《吉林大學(xué)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 回聲狀態(tài)網(wǎng)絡(luò) 遞歸神經(jīng)網(wǎng)絡(luò) 時(shí)間序列預(yù)測(cè) 計(jì)算智能

【摘要】：時(shí)間序列是按照時(shí)間的先后順序獲得的數(shù)據(jù)集。人們獲得的數(shù)據(jù)集大多數(shù)都可以看成是時(shí)間序列的形式。在時(shí)間序列分析當(dāng)中一個(gè)非常重要的研究?jī)?nèi)容就是時(shí)間序列的預(yù)測(cè),也就是根據(jù)當(dāng)前和過(guò)去的觀測(cè)值預(yù)測(cè)將來(lái)值。準(zhǔn)確的時(shí)間序列預(yù)測(cè)對(duì)人類的生產(chǎn)生活都具有非常大的實(shí)際意義�，F(xiàn)實(shí)世界中的時(shí)間序列變化規(guī)律非常復(fù)雜,因此時(shí)間序列預(yù)測(cè)是一個(gè)非常難的問(wèn)題。目前,時(shí)間序列預(yù)測(cè)成為了機(jī)器學(xué)習(xí)的一個(gè)重要研究領(lǐng)域。用回聲狀態(tài)網(wǎng)絡(luò)進(jìn)行時(shí)間序列預(yù)測(cè)在某些方面已經(jīng)取得了較好的效果。回聲狀態(tài)網(wǎng)絡(luò)是一種簡(jiǎn)化了的遞歸神經(jīng)網(wǎng)絡(luò),它屬于儲(chǔ)備池計(jì)算中的重要研究?jī)?nèi)容�；芈暊顟B(tài)網(wǎng)絡(luò)最大的優(yōu)點(diǎn)就是訓(xùn)練簡(jiǎn)單,它只需要訓(xùn)練輸出權(quán)值。在回聲狀態(tài)網(wǎng)絡(luò)中,研究人員通過(guò)引入概率的方法可以提高回聲狀態(tài)網(wǎng)絡(luò)的預(yù)測(cè)性能,也就是采用貝葉斯推理方法訓(xùn)練回聲狀態(tài)網(wǎng)絡(luò)。在采用貝葉斯方法訓(xùn)練回聲狀態(tài)網(wǎng)絡(luò)時(shí),需要基于某種假設(shè)的概率分布進(jìn)行推理,然而現(xiàn)實(shí)世界的時(shí)間序列數(shù)據(jù)特征非常復(fù)雜。為了能夠?qū)ΜF(xiàn)實(shí)世界中的不同類型的時(shí)間序列進(jìn)行精確的預(yù)測(cè),本文開展了基于回聲狀態(tài)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)方法及應(yīng)用的研究。論文的主要工作和創(chuàng)新點(diǎn)歸納如下:(1)當(dāng)模型中假設(shè)的概率分布與真實(shí)系統(tǒng)中存在的概率分布一致時(shí),卡爾曼濾波器是訓(xùn)練回聲狀態(tài)網(wǎng)絡(luò)的一種有效方法。通常情況下,卡爾曼濾波器是基于高斯分布的假設(shè)。但在實(shí)際應(yīng)用時(shí),這種高斯分布的假設(shè)對(duì)于一個(gè)真實(shí)的系統(tǒng)來(lái)說(shuō),常常是不能成立。為了克服模型假設(shè)的概率分布與系統(tǒng)真實(shí)的概率分布之間存在不一致的問(wèn)題,利用協(xié)方差矩陣能反應(yīng)對(duì)參數(shù)估計(jì)的準(zhǔn)確程度和對(duì)以前訓(xùn)練數(shù)據(jù)的信任程度的特性,提出了具有膨脹因子的卡爾曼濾波器訓(xùn)練回聲狀態(tài)網(wǎng)絡(luò),解決了卡爾曼濾波器訓(xùn)練回聲狀態(tài)網(wǎng)絡(luò)中存在的假設(shè)高斯分布不符合實(shí)際數(shù)據(jù)的問(wèn)題。另外,通過(guò)李雅普諾夫穩(wěn)定性理論分析該算法的收斂性。該算法提高了回聲狀態(tài)網(wǎng)絡(luò)的預(yù)測(cè)精度并擴(kuò)展了其應(yīng)用范圍。使用標(biāo)準(zhǔn)的測(cè)試時(shí)間序列和真實(shí)世界的時(shí)間序列進(jìn)行相關(guān)的對(duì)比實(shí)驗(yàn),結(jié)果表明所提出的方法可以建模不同類型的時(shí)間序列,并且預(yù)測(cè)性能優(yōu)于其他方法。(2)遞歸神經(jīng)網(wǎng)絡(luò)可以高精度地建模復(fù)雜系統(tǒng)�；芈暊顟B(tài)網(wǎng)絡(luò)作為一種遞歸神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的簡(jiǎn)化方法,研究使用回聲狀態(tài)網(wǎng)絡(luò)進(jìn)行長(zhǎng)時(shí)間跨度的天氣溫度進(jìn)行預(yù)測(cè)。氣溫預(yù)測(cè)是一個(gè)具有挑戰(zhàn)性的問(wèn)題,并且在能源、環(huán)境、工業(yè)和農(nóng)業(yè)等領(lǐng)域受到了廣泛的關(guān)注。在當(dāng)前,氣候模型和統(tǒng)計(jì)時(shí)間序列預(yù)測(cè)方法對(duì)于長(zhǎng)時(shí)間范圍的天氣溫度預(yù)測(cè)效果并不理想。在基于對(duì)每月記錄的最大、平均和最小氣溫時(shí)間序列數(shù)據(jù)進(jìn)行分析的基礎(chǔ)上,使用預(yù)測(cè)誤差計(jì)算出自適應(yīng)膨脹因子,利用自適應(yīng)膨脹因子修改變其協(xié)方差矩陣,在遞歸計(jì)算過(guò)程中控制訓(xùn)練數(shù)據(jù)的置信水平,提出了基于貝葉斯遞歸學(xué)習(xí)的回聲狀態(tài)網(wǎng)絡(luò),提高了回聲狀態(tài)網(wǎng)絡(luò)對(duì)長(zhǎng)時(shí)間跨度的氣溫預(yù)測(cè)精度。使用英格蘭地區(qū)的氣溫時(shí)間序列進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明所提出的方法可以預(yù)測(cè)未來(lái)12個(gè)月范圍的每月最大、平均和最低氣溫,并獲得了較好的預(yù)測(cè)精度。(3)在貝葉斯方法中,把先驗(yàn)的概率分布假設(shè)為高斯分布是非常普遍的。之所以假設(shè)為高斯分布,有兩方面的原因。一方面是高斯分布有非常好的數(shù)學(xué)性質(zhì),很方便實(shí)現(xiàn)貝葉斯推理計(jì)算;另一方面是有中心極限定理作為理論依據(jù),中心極限定理認(rèn)為當(dāng)有很多未知原因產(chǎn)生的混合噪聲可以認(rèn)為服從高斯分布。然而,實(shí)際系統(tǒng)中的數(shù)據(jù)很多是不能用高斯分布來(lái)描述的,因?yàn)檫@些數(shù)據(jù)中存在異常值和復(fù)雜的噪聲。針對(duì)實(shí)際的時(shí)間序列中可能存在異常值和復(fù)雜噪聲情況,利用學(xué)生t分布的重尾特征來(lái)描述包含異常值的數(shù)據(jù),推導(dǎo)出了基于學(xué)生t分布的貝葉斯遞歸學(xué)習(xí)方法,提出了基于學(xué)生t分布的回聲狀態(tài)網(wǎng)絡(luò),解決了基于高斯分布的回聲狀態(tài)網(wǎng)絡(luò)不能對(duì)包含離群值的時(shí)間序列進(jìn)行有效預(yù)測(cè)的問(wèn)題。在推導(dǎo)基于學(xué)生t分布的貝葉斯遞歸學(xué)習(xí)方法中,對(duì)兩個(gè)自由度不同的學(xué)生t分布做近似處理,保證了計(jì)算出的似然函數(shù)仍然是學(xué)生t分布。實(shí)驗(yàn)結(jié)果表明,該方法在時(shí)間序列中存在異常值時(shí)是魯棒的,與其他方法相比,具有較高的預(yù)測(cè)精度。
[Abstract]:......
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：O211.61;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張明席,胡成群;可進(jìn)行擇優(yōu)決策的時(shí)間序列預(yù)報(bào)方法[J];氣象;1989年06期

2 施久玉,杜金觀;有限個(gè)狀態(tài)時(shí)間序列的某些結(jié)果[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);1990年01期

3 馮希杰;長(zhǎng)江三峽及其鄰區(qū)斷裂活動(dòng)時(shí)間序列[J];華南地震;1991年02期

4 王霞,郭嗣琮,劉淑娟;時(shí)間序列模糊滑動(dòng)預(yù)測(cè)[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年03期

5 溫品人;時(shí)間序列預(yù)測(cè)法的實(shí)際應(yīng)用分析[J];江蘇廣播電視大學(xué)學(xué)報(bào);2001年06期

6 許清海;混沌投資時(shí)間序列的嬗變[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年01期

7 程毛林;時(shí)間序列系統(tǒng)建模預(yù)測(cè)的一種新方法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2004年08期

8 高潔;長(zhǎng)記憶時(shí)間序列適應(yīng)性預(yù)測(cè)的應(yīng)用[J];江南大學(xué)學(xué)報(bào);2004年05期

9 高潔;孫立新;;長(zhǎng)記憶時(shí)間序列的適應(yīng)性預(yù)測(cè)誤差的譜密度[J];統(tǒng)計(jì)與決策;2006年13期

10 楊鐘瑾;;淺談時(shí)間序列的分析預(yù)測(cè)[J];中國(guó)科技信息;2006年14期

相關(guān)會(huì)議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時(shí)間序列預(yù)報(bào)方法及其應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時(shí)間序列的航空備件消耗預(yù)測(cè)[A];中國(guó)系統(tǒng)工程學(xué)會(huì)決策科學(xué)專業(yè)委員會(huì)第六屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時(shí)間序列的非線性非平穩(wěn)特性研究綜述[A];國(guó)家安全地球物理叢書（八）——遙感地球物理與國(guó)家安全[C];2012年

4 李強(qiáng);;基于線性模型方法對(duì)時(shí)間序列中異常值的檢測(cè)及證券實(shí)證分析[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（上冊(cè)）[C];2002年

5 戴麗金;何振峰;;基于云模型的時(shí)間序列相似性度量方法[A];第八屆中國(guó)不確定系統(tǒng)年會(huì)論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時(shí)間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時(shí)問(wèn)序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測(cè)方法[A];第十五屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集（下）[C];2013年

8 黃云貴;;基于時(shí)間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時(shí)間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時(shí)間序列化[A];科學(xué)決策與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第六次年會(huì)論文集[C];1990年

相關(guān)重要報(bào)紙文章 前6條

1 ;《時(shí)間序列與金融數(shù)據(jù)分析》[N];中國(guó)信息報(bào);2004年

2 何德旭 王朝陽(yáng);時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)：協(xié)整與有條件的異方差自回歸[N];中國(guó)社會(huì)科學(xué)院院報(bào);2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2003年

4 西南證券高級(jí)研究員 董先安邋德圣基金研究中心 郭奔宇;預(yù)計(jì)6月CPI同比上漲7.2%[N];證券時(shí)報(bào);2008年

5 東證期貨 王愛(ài)華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日?qǐng)?bào);2009年

6 任勇邋鄭重;中國(guó)對(duì)世界鋼材價(jià)格的影響實(shí)證分析[N];現(xiàn)代物流報(bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 張墨謙;遙感時(shí)間序列數(shù)據(jù)的特征挖掘：在生態(tài)學(xué)中的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 張德成;滑坡預(yù)測(cè)預(yù)報(bào)研究[D];昆明理工大學(xué);2015年

3 苗圣法;時(shí)間序列的模式檢測(cè)[D];蘭州大學(xué);2015年

4 翁同峰;時(shí)間序列與復(fù)雜網(wǎng)絡(luò)之間等價(jià)性問(wèn)題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

5 楊婷婷;用Argo浮標(biāo)結(jié)合衛(wèi)星觀測(cè)估算北太平洋經(jīng)向熱輸運(yùn)[D];中國(guó)科學(xué)院研究生院(海洋研究所);2015年

6 史文彬;時(shí)間序列的相關(guān)性及信息熵分析[D];北京交通大學(xué);2016年

7 原繼東;時(shí)間序列分類算法研究[D];北京交通大學(xué);2016年

8 盧偉;基于粒計(jì)算的時(shí)間序列分析與建模方法研究[D];大連理工大學(xué);2015年

9 胡建明;基于正則化核學(xué)習(xí)模型的時(shí)間序列多步預(yù)測(cè)的研究與應(yīng)用[D];蘭州大學(xué);2016年

10 黃標(biāo)兵;回聲狀態(tài)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)方法及應(yīng)用研究[D];吉林大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 陳健;基于多變量相空間重構(gòu)的投資組合策略研究[D];華南理工大學(xué);2015年

2 蘭鑫;時(shí)間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

3 米曉將;區(qū)域尺度下月均氣溫的時(shí)空演化格局研究[D];昆明理工大學(xué);2015年

4 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預(yù)測(cè)研究[D];南京信息工程大學(xué);2015年

5 林健;基于改進(jìn)小世界回聲狀態(tài)網(wǎng)的時(shí)間序列預(yù)測(cè)[D];渤海大學(xué);2015年

6 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測(cè)方法[D];南京信息工程大學(xué);2015年

7 高雄飛;基于分形理論的土壤含水量時(shí)間序列特性分析[D];長(zhǎng)安大學(xué);2015年

8 姚茜;城市安全生產(chǎn)發(fā)展目標(biāo)研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

9 謝翠穎;蘇州社會(huì)消費(fèi)品零售總額簡(jiǎn)析[D];蘇州大學(xué);2015年

10 包仁義;基于時(shí)間序列的搜索引擎評(píng)估模型算法研究[D];東北師范大學(xué);2015年

，

本文編號(hào)：1427321