收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器学习的时间序列预测方法研究与应用

陈艳华  
【摘要】:时间序列预测一直是人们关注的热点问题,通过精确的预测结果,人们可以提前安排工作,预防不利情况发生,对于制定政策有着非常重要的意义。随着科学技术的不断进步,时间序列预测方法得到了很大的发展,目前常用的时间序列方法有传统的时间序列预测方法和基于机器学习的预测方法。这些方法使用方便,操作简单,预测精度高,在业界得到了广泛的应用,但是这些方法用在不同的数据集中结果精度差距较大,不具有通用性。因此,目前很多研究者采用组合预测方法和混合预测方法来提高这些预测方法的通用性,通过将不同的传统时间序列预测方法和基于机器学习的预测方法相结合,充分利用各个模型的优点,尽可能地提高时间序列预测的精度。本文首先提出一种新的时间序列预测方法BP-SARIMA-ANFIS,该方法组合了反向传播神经网络(BP)、季节性差分自回归移动平均模型(SARIMA)和自适应模糊神经网络系统(ANFIS)。该方法首先用BP、SARIMA和ANFIS对原始时间序列数据进行预测,然后取三种方法得到的预测结果的加权平均值。权值系数在组合预测模型中有着非常重要的作用,本文采用微分进化算法(DE)优化BP-SARIMA-ANFIS方法的加权系数。通过对澳大利亚新南威尔士州的电力负荷数据进行模拟,并将BP-SARIMA-ANFIS方法的预测结果与其它三种单一方法的预测结果进行对比,结果表明BP-SARIMA-ANFIS方法有效地提高了电力负荷预测精度。本文还提出一种基于改进的灰色模型和BP神经网络的GGNN混合预测方法。该方法将四种改进的灰色模型的拟合值作为BP神经网络的输入,经过反复的训练和拟合得到最终的预测值。该方法采用遗传算法(GA)对GGNN方法的权重和阈值进行优化。通过对历年中国石油消费数据的模拟和实验,并将GGNN方法的预测结果和其它六种方法的预测结果进行对比和分析,验证了GGNN方法的有效性。核极限学习机(KELM)是基于核的学习方法,核函数在核极限学习机中占有举足轻重的地位。不同核函数蕴藏的几何度量特征各异,选择不同的核函数导致核极限学习机泛化能力存在差异。本文提出了一种新的组合核函数,该组合核函数将RBF和UKF核函数进行结合,并将该组合核函数应用到核极限学习机中(Mixed-KELM)。本文使用澳大利亚新南威尔士州、昆士兰州以及维多利亚州的电力负荷数据验证Mixed-KELM方法的有效性。电力负荷受众多因素的影响,往往呈现出一定的随机性。因此在使用Mixed-KELM方法对电力负荷预测之前,本文先用经验模态分解(EMD)对原始电力负荷数据进行降噪处理。实验结果表明,与RBF构成的KELM方法(RBF-KELM)、UKF构成的KELM方法(UKF-KELM)以及Mixed-KELM方法相比,EMD-Mixed-KELM方法的预测结果精度更高。核函数在支持向量机中占有极其重要的地位,是支持向量机理论成熟发展的关键。在利用支持向量机进行分类和回归时,如何选择合适的核函数,是获得较好分类和逼近效果的基础和前提。同时本文还将该组合核函数应用到最小二乘支持向量机(LSSVM)中,提出了一种新的EMD-Mixed-LSSVM预测方法。该预测方法先使用EMD对时间序列进行降噪处理,再将处理后的数据输入到LSSVM中,在LSSVM中使用本文提出的组合核函数进行运算。本文使用该方法预测了澳大利亚的电价数据,并将EMD-Mixed-LSSVM方法的预测结果和其它方法的预测结果进行对比,结果表明,EMD-Mixed-LSSVM可以有效地提高时间序列预测的精度。本研究的主要成果及贡献如下所示:(1)提出了一种基于BP神经网络、SARIMA和ANFIS的组合预测方法,并对预测方法的有效性进行了验证。(2)提出了一种基于改进的灰色模型和BP神经网络的混合预测方法,通过对中国石油消费数据的预测验证了该算法的准确性。(3)提出了一种基于组合核函数的核极限学习机预测方法,通过对澳大利亚三个州的电力负荷数据进行预测,实验结果表明该方法可以提高时间序列预测的精度。(4)提出了一种基于组合核函数的最小二乘支持向量机预测方法,通过对澳大利亚的电价数据进行预测,表明了该方法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 周子扬;;机器学习与深度学习的发展及应用[J];电子世界;2017年23期
2 Nick Ni;Adam Taylor;;嵌入式视觉应用中的机器学习[J];单片机与嵌入式系统应用;2017年08期
3 王晨宇;;机器学习在物理学研究中的应用[J];科技经济导刊;2018年31期
4 陆思聪;郑昱;王晓霆;吴热冰;;量子机器学习[J];控制理论与应用;2017年11期
5 游思奇;;解读机器学习与深度学习的发展及应用[J];计算机产品与流通;2018年05期
6 David W.Cearley;Mike J.Walker;吕俊宽;;高级机器学习支持全新数字现实[J];软件和集成电路;2016年04期
7 李兵;林文钊;罗峥尹;;基于机器学习的智慧农业决策系统设计与实现[J];信息与电脑(理论版);2018年24期
8 舒娜;刘波;林伟伟;李鹏飞;;分布式机器学习平台与算法综述[J];计算机科学;2019年03期
9 朱辉;;机器学习在企业级场景中的实践与探讨[J];中国建设信息化;2018年03期
10 彭传意;;机器学习——我们该如何与机器竞争[J];数字通信世界;2018年01期
11 陈轶翔;埃里克·布伦乔尔森;汤姆·米切尔;;机器学习的能力范围及其对劳动力的影响[J];世界科学;2018年04期
12 赵长林;;机器学习即服务[J];网络安全和信息化;2017年10期
13 ;机器学习作用于信息安全的五大顶级案例[J];网络安全和信息化;2018年01期
14 吴承杨;;2018年来说说机器学习[J];软件和集成电路;2018年05期
15 宋雯博;;大数据下的机器学习的应用趋势[J];电脑迷;2018年09期
16 吴炜;孙强;;应用机器学习加速新材料的研发[J];中国科学:物理学 力学 天文学;2018年10期
17 宋明成;;机器学习隐私的安全隐患[J];计算机与网络;2018年16期
18 黄乃静;于明哲;;机器学习对经济学研究的影响研究进展[J];经济学动态;2018年07期
19 李炜;;机器学习概述[J];科技视界;2017年12期
20 詹骐源;;机器学习的发展史及应用前景[J];科技传播;2018年21期
中国重要会议论文全文数据库 前10条
1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集(上册)[C];2001年
2 王衍鲁;张利会;张淑洁;石洁茹;王鹏;;大学新生学校适应的个体与环境因素探究:基于机器学习的考察[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年
3 张长水;;大数据机器学习[A];2015年中国自动化大会摘要集[C];2015年
4 何琳;侯汉清;;基于标引经验和机器学习相结合的多层自动分类[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年
5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年
6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年
7 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
8 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
9 吴娜;刁联旺;;基于机器学习的博弈对抗模型优化框架软件系统设计[A];第六届中国指挥控制大会论文集(上册)[C];2018年
10 陈翠云;刘志宇;宫月;;基于机器学习的网络入侵检测模型及方法研究[A];第六届全国网络安全等级保护技术大会论文集[C];2017年
中国博士学位论文全文数据库 前10条
1 陈艳华;基于机器学习的时间序列预测方法研究与应用[D];兰州大学;2017年
2 陈再毅;机器学习中的一阶优化算法收敛性研究[D];中国科学技术大学;2018年
3 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年
4 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年
5 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年
6 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年
7 施建明;基于机器学习的产品剩余寿命预测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
8 张庆庆;基于机器学习的文本情感分类研究[D];西北工业大学;2016年
9 窦贤明;机器学习方法在陆地生态系统碳水通量模拟中的应用研究[D];中国矿业大学;2018年
10 鲁路;基于机器学习优化分子对接筛选肾衰营养胶囊有效成分[D];南方医科大学;2017年
中国硕士学位论文全文数据库 前10条
1 魏伟;基于商品评论的情感分析研究[D];中南民族大学;2018年
2 李洪林;基于决策树的防火墙设计与实现[D];大连海事大学;2018年
3 周倩;求解大规模机器学习问题的优化方法[D];贵州大学;2018年
4 李坤;基于机器学习的蛋白质复合体精确识别研究[D];福州大学;2017年
5 么跃轩;汽车电动座椅调整机械手的视觉跟踪与机器学习[D];燕山大学;2018年
6 戴维思;基于机器学习的文本分类算法改进与实现[D];北京工业大学;2018年
7 欧阳晟;基于Storm与在线机器学习的广告点击率预测的研究[D];武汉理工大学;2016年
8 赵亚飞;基于机器学习方法的有限元应力解的改善研究[D];内蒙古工业大学;2018年
9 祝雨雷;计算流体力学与机器学习在主动脉缩窄及主动脉瓣狭窄患者评估中的临床应用研究[D];华南理工大学;2018年
10 陈亦辉;基于机器学习的上海市大气污染源解析研究[D];华东师范大学;2018年
中国重要报纸全文数据库 前10条
1 Bob Violino 编译 Charles;机器学习:每一种方法和技巧的适用时机[N];计算机世界;2018年
2 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年
3 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花?[N];科技日报;2019年
4 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年
5 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年
6 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年
7 Matt Asay 编译 Monkey King;为什么机器学习没有捷径可循?[N];计算机世界;2019年
8 彭博企业数据业务全球负责人 Gerard Francis;金融数据质量决定机器学习时代的投资回报[N];计算机世界;2019年
9 360 IoT研究院院长 李康;从机器学习到机器创造[N];中国信息化周报;2017年
10 谢静;机器学习帮助用户释放数据价值[N];人民邮电;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978