基于粒计算的区间值时间序列建模方法研究

发布时间：2020-07-12 17:55

【摘要】：区间值时间序列作为时间序列的一种,按照时间顺序收集区间值数据,能够描述观测变量的不确定性与可变性,在经济、社会、能源、环境等多个领域都具有很重要实用价值,对相关领域的预警、管理、控制和决策具有重要的指导作用。常规的区间值时间序列建模方法以数值为中心,追求预测结果的精确性。但在数据规模日益庞大的今天,过分关注个体数据的准确性已不再满足实际需求,这种预测结果并不能完全地描述由数据的不规则性或人类语言的模糊性所引起的不确定因素,存在局限性,不便于人类的认知与理解。作为一种新兴的信息处理方法,粒计算借鉴了人类处理和解决复杂问题的基本思路,借助模糊集、粗糙集和概率集等理论对实际问题进行抽象,将复杂问题通过信息粒化的方法划分为一系列更容易管理和更小的子问题,实现对问题的简化,提高求解效率,降低了全局计算代价。应用于时间序列领域,这种模拟人类对大量复杂信息理解与处理的方法追求模型的“可解释性”,使用户能够更容易地理解、捕捉与描述时间序列数据之间的动态行为特性,更高效地分析日益复杂的信息。在这一背景下,本文提出了一种基于粒计算的区间值时间序列建模方法,将粒计算与人工神经网络相结合对区间值时间序列进行建模与分析。该方法在论域上建立能够良好反映数据特性的语义概念集合,并将每个数值区间视为信息颗粒,将这些信息颗粒在粒计算框架内进行基于语义概念集合的信息粒表示。通过集合中信息粒对数据的描述,将原始的区间值时间序列转换为粒时间序列和语义时间序列,使用人工神经网络中的多层感知机对粒时间序列进行训练,完成模型的构建。模型的输出是区间值数据关于信息粒的一组描述,通过分析与重构可以获得该组数据的语义信息预测结果与数值预测结果。一系列的实验结果表明,根据本文方法构建的区间值时间序列模型在具有良好的可解释性的同时,在数值精度上也有一定的保证,两方面信息的综合使得预测结果更容易被用户理解和认知,为用户做出合理地决策提供了有效的支撑。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;O211.61
【图文】：

１９４３＿年在生理学家ＭｃＣｕｌｌｏｃｈ＇与数学家Ｐｉｔｔ神经元Ｍ－Ｐ模型，这标志着人工神经网络以模拟生物神经系统的工作与反应。人工神神经元的阈值、传输函数，连接神经元边程。经过多年的发展，多种人工神经网络积神经网络等。逡逑模型如图２．４所示。其中七为神经元的输入值。在这个神经元模型中，输入信号由其他行传递，由神经元接收，总输入值与神经元元的输出：逡逑｛邋ｎ逦＞逡逑ｙ邋＝邋ｆ＾邋ｏｊｆＸｉ邋－邋０Ｖ＾＝ｉ逦／逡逑有线性函数、阶跃作用函数、Ｓｉｇｍｏｉｄ作用

是非参数估计器，可以用于分类和０归，也可以实现非线性判别式。多层感知机的每层逡逑神经元与下一层全互连，神经元之间不存在同层与跨层连接。这种多层感知机的结构逡逑通常被称为“多层前馈神经网络（Ｍｕｌｔｉ－Ｌａｙｅｒ邋ｆｅｅｄｆｏｒｗａｒｄ邋ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋｓ．），如图２．５所逡逑示。在多层感知机的结构中，输入层神经元接收来自外界的输入，隐层与输出层神经元逡逑对信号进行加工，输出层神经元输出最终的结果。从神经网络的训练上来看》神经网络逡逑的学习过程，就是根据训练数据的情况来不断调整各神经元之间连接的权重以及每个功逡逑能神经元的阈值。逡逑输入节点逦隐节点逦输出节点逡逑输入层逦隐层逦输出层逡逑图２．邋５前向传播过程逡逑Ｆｉｇ．邋２．５邋Ｔｈｅ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｆｏｒｗａｒｄ邋ｐｒｏｐａｇａｔｉｏｎ逡逑误差逆传播（ｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎ，ＢＰ）是训练多层感知机最成功的攀习算法之逡逑一，它是一种监督学习方法，即通过标记的训练数据来对神经网络进行学习与训练。最逡逑初，yL经元之间所有的权重都是随机分配的。当训练数据集中的数据输入到多层感知机逡逑中时，网络中所有神经元都被激活，并＾？观察经过计算后多层感知机输出层的对应输逡逑出。这些输出会和我们已知的、期望的输出进行比较

逦１｝邋＾邋ｋａ１（４），ａ２（４），＊－－邋，ａｃ（４））＾｝逦（４．５）逡逑其中？邋＝邋２，３，—上为实现这种复杂的映射，此处引入了神经网络中的多层感知器ＭＬＰ逡逑来建立ｆ邋－邋１时刻与ｆ时刻团可信息粒表达之间的映射关系，如图４．４所示。在该ＭＬＰ中，逡逑输入是ｆ－１时刻区间基于语义概念集合的Q\0息粒表达，输入层神经元数目是语义概念逡逑集合中信息粒的数量Ｇ输出是＾时刻区间的信息粒表达，输出层神经元数目也为ｃ。隐逡逑层神经元数目的最优值通过不断地实验和误差分析确定。逡逑＿＿逡逑隐层逡逑图４．４多层感知机ＭＬＰ的输入与输出逡逑Ｆｉｇ．邋４．４邋Ｉｎｐｕｔ邋ａｎｄ邋ｏｕｔｐｕｔ邋ｏｆ邋ＭＬＰ逡逑根据这个ＭＬＰ的体系结构，原区间值时间序列的粒时间序列Ｇｘ可以构建如式逡逑（４．５）形式的一系列输入输出对，用于训练ＭＬＰ，从而形成训练集＾训练集的每一对数逡逑据为：逡逑｛吣１，々如心毛’…“切逡逑其中ｒ邋＝邋２，３．…４。这个训练集被用于对ＭＬＰ进行有监督的训练，训练的过程就是确逡逑定ＭＬＰ中各个层之间连接权重的过程。训练结束得到的ＭＬＰ可以较好地实现式（４．５）逡逑形式的映射关系。训练完成的ＭＬＰ与前两步串联，完成了模型预测部分的构建。逡逑－２８邋－逡逑

【参考文献】

相关期刊论文 前3条

1 邓冠男;宋莲莲;姜妍丽;付景超;;区间值模糊集贴近度的构造及应用研究[J];数学的实践与认识;2015年24期

2 聂淑媛;;时间序列分析的历史发展[J];广西民族大学学报(自然科学版);2012年01期

3 张铃,张钹;模糊商空间理论(模糊粒度计算方法)[J];软件学报;2003年04期

相关博士学位论文 前3条

1 王威娜;基于模糊理论的时间序列预测研究[D];大连理工大学;2016年

2 卢伟;基于粒计算的时间序列分析与建模方法研究[D];大连理工大学;2015年

3 贾秀芳;基于粒计算模型的知识推理理论与方法[D];中国科学技术大学;2014年

相关硕士学位论文 前5条

1 王媛媛;基于自适应差分进化算法的堆石坝坝料参数反演分析及应用[D];天津大学;2017年

2 魏玉霞;差分进化算法的改进及其应用[D];华南理工大学;2013年

3 尤洁;我国股票市场流动性研究[D];西安科技大学;2011年

4 张学谦;基于粒度计算的文本分类技术研究[D];河南工业大学;2011年

5 安良;模糊理论及其在图像分割中的应用研究[D];合肥工业大学;2003年

本文编号：2752309