收藏本站
《哈尔滨工业大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于回声状态网络的非线性时间序列预测方法研究

王建民  
【摘要】:近年来,基于回声状态网络(Echo State Network, ESN)的时间序列分析和预测技术逐渐受到国内外研究者的广泛重视,成为一个具有重要理论和应用价值的研究热点。作为一种全新的递归神经网络,回声状态网络只训练部分连接权,克服了传统递归神经网络固有的训练算法过于复杂、容易陷入局部最优等问题,逐渐成为时间序列分析和预测的主要工具之一。但是,经典ESN对于非线性动态系统的表达能力有限,难以充分满足现实应用中各类预测问题对于预测精度的要求。鉴于此,针对预测精度以及适应性等问题,本文从ESN的扩展和改进及其储备池参数选择两个方面入手,开展基于回声状态网络的时间序列预测方法研究,主要研究工作包括以下五个方面的内容: 1.针对时间序列多步预测问题,利用回声状态网络处理多输出问题的能力,提出一种基于回声状态网络的时间序列多步预测方法框架。在此基础上,以加权平均方式融合直接预测和迭代预测结果,设计了该预测方法框架的一种具体实现方式。实验表明,与直接预测和迭代预测相比,该方法获得了更高的预测精度。 2.针对多尺度时间序列预测问题,提出一种基于小波分解全局回声状态网络的时间序列预测方法。该方法根据小波分解后不同尺度子序列的特点,选择与之匹配的储备池,并且在全局最优意义下,训练输出连接权,避免误差累积。实验表明,相对于小波分解局部回声状态网络,新算法可以获得更高的预测精度。 3针对时间序列预测过程输入向量选择问题,提出采用序列自相关系数法确定回声状态网络的输入向量(时间序列的嵌入维数和延迟时间),以达到提高预测精度的目的,并从实验角度分析了储备池参数对于预测性能的影响。实验表明,该方法可以确保基于回声状态网络的时间序列预测方法获得更高的预测精度。 4.针对隐含大量动态特征和强非线性的时间序列预测问题,提出模糊回声状态网络(Fuzzy Echo State Network,FESN)时间序列预测方法;证明了FESN是经典ESN和TS模型的推广。在此基础上,给出并证明了FESN一致渐进稳定(回声状态属性)的充分条件;实验表明,在不显著增加训练时间的情况下,相对于ESN和TS模型,FESN有效地提高了非线性时间序列预测的精度。 5.针对回声状态网络在时间序列预测中的适应性问题,提出一种基于扩展卡尔曼滤波的回声状态网络在线训练算法,采用扩展卡尔曼滤波对储备池的关键参数和输出连接权矩阵联合进行训练,避免了时间序列预测过程中回声状态网络的参数选择问题。实验表明,由于避免了交叉验证以及参数优化等参数选择过程,该算法可以在保持较高预测精度的条件下,有效地解决回声状态网络的参数选择问题。
【学位授予单位】:哈尔滨工业大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TP183;O211.61

【相似文献】
中国期刊全文数据库 前10条
1 王建民;彭宇;彭喜元;王红;;基于扩展卡尔曼滤波的回声状态网络在线训练算法[J];仪器仪表学报;2011年07期
2 侯福均,吴祈宗;基于BP-SA混合优化策略的铁路货运量时间序列预测[J];铁道运输与经济;2003年10期
3 郭辉;王玲;刘贺平;;基于核主成分分析与最小二乘支持向量机结合处理时间序列预测问题[J];北京科技大学学报;2006年03期
4 刘春霞;隋美娥;武心庆;;基于递归神经网络的转速估计器仿真研究[J];青岛理工大学学报;2011年01期
5 潘维民,沈理;基于神经网络的时间序列动态预测器的调整学习算法[J];电子学报;1999年11期
6 周辉仁;郑丕谔;;基于递阶遗传算法和BP网络的时间序列预测[J];系统仿真学报;2007年21期
7 侯建国;;一种基于BP算法学习的小波神经网络[J];煤炭技术;2009年08期
8 徐鹏飞;李炜;郑华;吴建国;;神经网络在时间序列预测中的应用研究[J];电子技术;2010年08期
9 汪晓梦;;带有偏差单元的递归神经网络在故障诊断方面的应用优化[J];甘肃联合大学学报(自然科学版);2010年05期
10 朱家元;段宝君;张恒喜;;新型SVM对时间序列预测研究[J];计算机科学;2003年08期
中国重要会议论文全文数据库 前10条
1 苏彩红;曾永发;张志飞;吴菁;;一种突触后抑制递归神经网络结构及其在模式识别中的应用[A];第二十六届中国控制会议论文集[C];2007年
2 武新华;张义凤;高晶波;;转子—轴承系统非线性参数辨识研究[A];2003大型发电机组振动和转子动力学学术会议论文集[C];2003年
3 刘琼;任福继;;股市预测算法及分析结果的自然语言生成[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年
4 刘勇;沈毅;胡恒章;;递归神经网络自适应滤波器[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
5 王继泉;左学胜;;基于递归神经网络的坦克车辆故障诊断系统[A];2006中国控制与决策学术年会论文集[C];2006年
6 张燕;杨鹏;郭欣;张雪萍;颜威利;;基于递归神经网络的下肢表面肌电信号分类研究[A];2005中国控制与决策学术年会论文集(下)[C];2005年
7 蒲兴成;;时变时滞不确定递归神经网络渐近稳定的一个充分条件[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年
8 李鸿儒;邓长辉;顾树生;温馨;;递归神经网络快速学习算法的研究[A];2000中国控制与决策学术年会论文集[C];2000年
9 沈艳霞;江俊;纪志成;;基于递归神经网络的永磁同步电机控制器设计[A];2005全国自动化新技术学术交流会论文集(三)[C];2005年
10 纪玲玲;林振山;曹丽青;;最小二乘回归支持向量机对非线性时间序列预测的试验分析[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年
中国重要报纸全文数据库 前1条
1 ;基于数量化方法对未来经济增长趋势的预测[N];第一财经日报;2009年
中国博士学位论文全文数据库 前10条
1 王建民;基于回声状态网络的非线性时间序列预测方法研究[D];哈尔滨工业大学;2011年
2 赵永昌;一类时滞静态递归神经网络的动力学行为研究[D];中国海洋大学;2010年
3 王芬;递归神经网络的动力学行为分析[D];武汉科技大学;2011年
4 张锐;几类递归神经网络的稳定性及其应用研究[D];东北大学;2010年
5 鲍刚;基于忆阻递归神经网络的联想记忆分析与设计[D];华中科技大学;2012年
6 朱进;递归神经网络的稳定性和无源性分析[D];东北大学;2010年
7 王扬帆;基于偏微分方程的时滞递归神经网络的动力分析与多尺度图像处理研究[D];中国海洋大学;2011年
8 韩旭明;若干改进的人工免疫算法及其在大气环境领域中的应用[D];吉林大学;2010年
9 赵海全;基于非线性函数扩展的流水线型自适应滤波理论与方法研究[D];西南交通大学;2011年
10 毕革新;递归神经网络的动态系统辨识及其在船舶运动控制中的应用研究[D];大连海事大学;2009年
中国硕士学位论文全文数据库 前10条
1 尹汉钊;基于递归神经网络与集成算法的时间序列预测应用研究[D];西安电子科技大学;2010年
2 梁晔;基于储备池计算的混沌时间序列预测方法研究[D];兰州大学;2012年
3 宋玉强;人工神经网络在时间序列预测中的应用研究[D];西安建筑科技大学;2005年
4 秦鹏;基于Bayes网的时间序列预测[D];重庆大学;2007年
5 张文哲;电力系统短时负荷预测模型研究[D];重庆大学;2004年
6 李大利;一种时间序列预测方法的应用研究[D];吉林大学;2008年
7 张海望;基于小波消噪与BP神经网络的太阳黑子时间序列预测[D];东北师范大学;2009年
8 廖勇;基于基因表达式编程的股票指数和价格时间序列分析[D];四川大学;2005年
9 唐延芳;灌溉用水量预测方法的研究[D];沈阳农业大学;2007年
10 时锋;面向流动工程的物资管理系统的设计[D];山西财经大学;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026