回聲狀態(tài)網(wǎng)絡(luò)(Echo State Network,ESN)是對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)的高效神經(jīng)網(wǎng)絡(luò)工具,并已被廣泛應(yīng)用于時(shí)間序列分析的各個(gè)研究與應(yīng)用領(lǐng)域。然而,現(xiàn)實(shí)中的時(shí)間序列往往呈現(xiàn)出高維度、非線性、不平穩(wěn)、序列特征多變等性質(zhì),使用現(xiàn)有的ESN技術(shù)對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行分析依然存在不足。集成學(xué)習(xí)技術(shù)通過(guò)有效組合若干模型,能夠有效克服傳統(tǒng)預(yù)測(cè)方法容易過(guò)擬合和不穩(wěn)定等缺陷,而目前基于集成學(xué)習(xí)策略的ESN建模方法尚未得到深入研究和廣泛應(yīng)用。本文以時(shí)間序列預(yù)測(cè)為背景,結(jié)合各領(lǐng)域?qū)嶋H應(yīng)用問(wèn)題,研究基于集成學(xué)習(xí)策略的ESN預(yù)測(cè)建模和應(yīng)用,主要內(nèi)容包括以下三個(gè)方面:首先,由于集成學(xué)習(xí)方法通常需要組合一定規(guī)模的基礎(chǔ)模型,因此計(jì)算和存儲(chǔ)都比較占用資源,并且目前的神經(jīng)網(wǎng)絡(luò)集成預(yù)測(cè)研究很少考慮集成效率和資源消耗,因此本文提出具有稀疏結(jié)構(gòu)的自適應(yīng)提升集成ESN預(yù)測(cè)方法(Adaboost_sp-ESN),通過(guò)在傳統(tǒng)的Adaboost集成算法中引入模型篩選機(jī)制,Adaboost_sp-ESN有效提升了計(jì)算效率,并保證了預(yù)測(cè)精度。結(jié)合國(guó)內(nèi)工業(yè)用電需求預(yù)測(cè)實(shí)際問(wèn)題,本文對(duì)所...

【文章頁(yè)數(shù)】：147 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要 Abstract 1
    緒論 1.1
    研究背景與意義 1.2
    研究面臨的關(guān)鍵問(wèn)題 1.3
    研究?jī)?nèi)容及創(chuàng)新點(diǎn) 1.4
    研究方法與技術(shù)路線 1.5
    論文結(jié)構(gòu)和主要內(nèi)容 2
    國(guó)內(nèi)外相關(guān)研究綜述 2.1
    時(shí)間序列預(yù)測(cè)研究現(xiàn)狀 2.2
    回聲狀態(tài)網(wǎng)絡(luò)研究現(xiàn)狀 2.3
    神經(jīng)網(wǎng)絡(luò)集成學(xué)習(xí)研究現(xiàn)狀 2.4
    集成ESN研究現(xiàn)狀 2.5
    本章小結(jié) 3
    基于稀疏自適應(yīng)提升的ESN工業(yè)用電預(yù)測(cè)方法研究 3.1
    引言 3.2
    Adaboostsp-ESN集成預(yù)測(cè)模型 3.3
    數(shù)據(jù)來(lái)源、預(yù)處理及誤差指標(biāo) 3.4
    對(duì)比算法與參數(shù)設(shè)置 3.5
    實(shí)驗(yàn)結(jié)果展示與討論 3.6
    本章小結(jié) 4
    基于SAE-ESN的網(wǎng)絡(luò)搜索指數(shù)旅游需求預(yù)測(cè)方法研究 4.1
    引言 4.2
    SAE架構(gòu)介紹 4.3
    SAEN集成預(yù)測(cè)模型 4.4
    數(shù)據(jù)來(lái)源、預(yù)處理及誤差指標(biāo) 4.5
    對(duì)比算法與參數(shù)設(shè)置 4.6
    實(shí)驗(yàn)結(jié)果展示與討論 4.7
    本章小結(jié) 5
    基于RF-ESN的多因素原油價(jià)格預(yù)測(cè)方法研究 5.1
    引言 5.2
    回歸樹(shù)與隨機(jī)森林 5.3
    RF-ESN集成預(yù)測(cè)模型 5.4
    數(shù)據(jù)來(lái)源、預(yù)處理及誤差指標(biāo) 5.5
    對(duì)比算法與參數(shù)設(shè)置 5.6
    實(shí)驗(yàn)結(jié)果展示與分析 5.7
    本章小結(jié) 6
    總結(jié)與展望 6.1
    全文總結(jié) 6.2
    研究展望 致謝 參考文獻(xiàn) 附錄1
    攻讀博士學(xué)位期間發(fā)表的論文 附錄2
    攻讀博士學(xué)位期間參加的科研課題



本文編號(hào)：3969457