泄漏积分型回声状态网的优化及其在时间序列预测中的应用

发布时间：2017-04-17 20:20

  本文关键词：泄漏积分型回声状态网的优化及其在时间序列预测中的应用，由笔耕文化传播整理发布。

【摘要】：时间序列预测在20世纪70年代的时候被提出,它是一种基于历史数据的基础上对未来问题进行预测的技术。时间序列预测技术现今发展相当迅速,在很多领域都有运用,如工程、经济、军事等,是一个非常有实际价值的研究领域。本文主要研究了泄露积分型回声状态网(Leaky-ESN)模型的优化及其在时间序列预测中的应用。Leaky-ESN优化指的是在标准Leaky-ESN的基础上,对其储备池状态空间或者储备池参数进行优化,从而提高对时间序列的预测精度。于是提出了变泄露积分型回声状态网(VLeaky-ESN)模型。这个模型的每一个泄漏率是不同的,因此,在储备池状态方程中就对应了不同的状态元素,提高了参数选择的灵活性和对多输入的自适应性,为了进一步提高VLeaky-ESN模型的预测能力,利用扩展卡尔曼滤波算法(EKF)对其参数进行优化。其次,利用EKF状态更新的优点来弥补储备池状态方程中对于纯输入应用忽略输出反馈的不足,利用EKF状态更新方程直接代替储备池的状态更新方程,提高Leaky-ESN模型预测精度和加快其收敛速度。为了解决随机梯度下降法在参数优化过程中回声状态特性(关键参数泄漏率和谱半径必须满足不等式约束条件)对参数训练影响的问题,利用罚函数内点法将有约束条件的最优化问题转化为求无约束条件的最优化问题,寻找泄漏率和谱半径的最优值,提高Leaky-ESN模型对时间序列的预测精度。最后,用优化好的Leaky-ESN模型对光伏发电系统输出功率进行预测,并取得了很好的预测效果。
【关键词】：时间序列预测 泄露积分型回声状态网 扩展卡尔曼滤波算法 罚函数内点法 光伏发电量预测
【学位授予单位】：渤海大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O211.61
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 1 绪论11-17
• 1.1 课题研究背景与意义11-12
• 1.2 ESN的国内外研究现状12-15
• 1.3 研究内容及论文结构15-17
• 2 基于扩展卡尔曼滤波的泄露积分型回声状态网优化17-40
• 2.1 泄露积分型回声状态网(Leaky-ESN)模型17-21
• 2.2 基于EKF算法的VLeaky-ESN模型全局参数优化21-26
• 2.2.1 梯度下降法的学习过程22-23
• 2.2.2 扩展卡尔曼滤波算法的学习过程23-25
• 2.2.3 VLeaky-ESN模型的输出权值和参数的学习程序25-26
• 2.3 基于EKF算法对标准Leaky-ESN储备池的结构优化26-27
• 2.4 VLeaky-ESN模型的仿真与分析27-35
• 2.4.1 第一个时间序列27-31
• 2.4.2 第二个时间序列31-35
• 2.5 Leaky-ESN储备池优化仿真与分析35-39
• 2.5.1 第一个时间序列35-37
• 2.5.2 第二个时间序列37-39
• 2.6 本章小结39-40
• 3 罚函数在Leaky-ESN储备池参数优化中的应用40-58
• 3.1 罚函数法基本定义40-41
• 3.2 罚函数内点法41-44
• 3.3 基于内点法的Leaky-ESN参数优化44-50
• 3.4 仿真与分析50-57
• 3.4.1 第一个时间序列51-54
• 3.4.2 第二个时间序列54-57
• 3.5 本章小结57-58
• 4 回声状态网对光伏发电系统输出功率的预测58-66
• 4.1 光伏发电系统预测的现实意义58
• 4.2 光伏发电系统输出功率预测研究现状58-59
• 4.3 光伏发电系统输出功率影响因素59-62
• 4.4 光伏发电系统功率预测模型的建立62-63
• 4.5 光伏发电系统功率预测仿真与分析63-65
• 4.6 本章小结65-66
• 总结与展望66-67
• 参考文献67-71
• 发表论文情况71-72
• 致谢72-73

【相似文献】

中国期刊全文数据库 前10条

1 吴鹏;刘振;陈月辉;;基于神经树的时间序列预测[J];山东科学;2007年01期

2 沈浩;邓梦曦;;预则立——时间序列预测技术之广电业务应用[J];中国数字电视;2011年10期

3 许继平;刘载文;那靖;;司法消噪与多技术融合的时间序列预测[J];计算机工程与应用;2010年24期

4 王刚,胡德文;基于时间序列预测的独立分量排序[J];国防科技大学学报;2005年05期

5 杨久婷;张海望;;基于小波分解与自回归树的时间序列预测新方法[J];科技信息;2009年31期

6 张弦;王宏力;;具有选择与遗忘机制的极端学习机在时间序列预测中的应用[J];物理学报;2011年08期

7 邢蕾;;基于小波分析时间序列预测技术进展[J];吉林金融研究;2009年04期

8 肖凡;马捷中;任岚昆;;基于小波分析与支持向量机的时间序列预测[J];航空计算技术;2011年06期

9 杨玫;赵秀丽;刘瑜;;时间序列预测问题中小波分解的应用研究[J];信息技术与信息化;2011年02期

10 丁红;武招云;龚若愚;廖文凯;;小波分析在径流时间序列预测的应用[J];柳州师专学报;2012年03期

中国重要会议论文全文数据库 前4条

1 陈宇;唐常杰;钟义啸;段磊;乔少杰;普东航;;基于基因表达式编程和时变强度的时间序列预测[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 王亮;钟登华;葛晓冬;;预测方法综述[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

3 尤华;王建东;;机场噪声的时间序列预测[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

4 王栋;陈勇;徐建良;;基于预测的BitTorrent种子评估方法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

中国博士学位论文全文数据库 前4条

1 张冬青;非线性非高斯时间序列预测研究[D];南京航空航天大学;2008年

2 刘大同;基于Online SVR的在线时间序列预测方法及其应用研究[D];哈尔滨工业大学;2010年

3 熊涛;基于EMD的时间序列预测混合建模技术及其应用研究[D];华中科技大学;2014年

4 王军;基于局部模型的时间序列预测方法研究[D];哈尔滨工业大学;2007年

中国硕士学位论文全文数据库 前10条

1 陈诗语;基于网络的时间序列预测[D];西南大学;2015年

2 黄杰;SOM在时间序列预测中的应用研究[D];兰州交通大学;2015年

3 胡海峰;泄漏积分型回声状态网的优化及其在时间序列预测中的应用[D];渤海大学;2016年

4 侯效永;多尺度时间序列预测[D];苏州大学;2013年

5 王丽贤;时间序列预测技术研究[D];天津理工大学;2012年

6 王权;基于选择策略的时间序列预测研究[D];南京航空航天大学;2011年

7 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

8 张慧;自适应模糊时间序列预测模型的研究[D];大连海事大学;2012年

9 王欣冉;基于小波包与最小二乘支持向量机的时间序列预测研究[D];中国地质大学（北京）;2011年

10 戴群;改进型前向神经网络的时间序列预测及其性能比较[D];南京航空航天大学;2003年

  本文关键词：泄漏积分型回声状态网的优化及其在时间序列预测中的应用，，由笔耕文化传播整理发布。

本文编号：314249