基于BP神经网络的模糊时间序列预测

发布时间：2017-07-02 10:14

  本文关键词：基于BP神经网络的模糊时间序列预测，由笔耕文化传播整理发布。

【摘要】：时间序列指的是在不同时间点上收集到的反映某一事物、现象等随时间变化的数据的集合。通过对这一系列数据的研究,我们能找到隐含在数据背后的规律,从而对现实进行建模分析并解决相关领域中的问题。时间序列预测是通过已观测到的数据来预测未来,使决策者具有高瞻远瞩的能力,从而做出更好的决策,因此具有很重要的意义。模糊时间序列是通过将时间序列的数据模糊化而得到的,它借助了模糊的概念使单个的数据点聚集成一个个具有语义表示的类,然后通过对这些类进行建模分析来做预测。模糊时间序列预测的一般过程是：(1)划分论域；(2)形成模糊集,对数据模糊化；(3)提取模糊逻辑关系；(4)预测,去模糊化。本文通过对论域划分的方法进行研究,应用了基于模糊C均值聚类和基于信息粒的这两种论域划分的方法,然后再分别和BP神经网络这一预测方法进行结合,给出了两种组合的预测模型。本文中的第一种预测模型首先用模糊C均值聚类算法对传统均分的论域划分进行改进,该算法通过使所有数据点对于模糊集的隶属度之和最大得到聚类中心,然后求得相邻聚类中心的中点值作为子区间的边界得到非等长的论域划分结果,再在这些子区间上建立模糊集,从而将数值表示的数据模糊化,得到模糊时间序列。通过提取二阶的模糊逻辑关系得到训练数据,用这些训练数据来训练BP神经网络,从而使网络具有了分类的能力,然后用训练之后的网络来预测下一时刻数据所属的模糊集,通过去模糊化得到预测值。最后,以台湾加权股指数据(TAIEX)为例,与已有模型进行均方根误差比较来检验所提模型的有效性。本文中的第二种预测模型用信息粒的思想来进一步改进论域划分方法。信息粒可以在不同的维度上展现数据,使数据中隐藏的规律更好的被发现,在这个观点的启发下,我们应用基于信息粒的论域划分方法,该方法先对整个时间序列用模糊C均值聚类得到聚类中心,然后根据相邻聚类中心的中点值建立起子区间,再在这些子区间上构造适当粒度大小的信息粒,最后通过这些信息粒计算得到论域划分之后的区间。划分论域之后,我们采用和第一种预测模型相同的建模过程,在相同的数据集上做实验得到的预测准确度再一次得到提高,证明了该组合模型的有效性。
【关键词】：模糊时间序列 信息粒 BP神经网络 模糊C均值聚类
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;O211.61
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-16
• 1.1 研究背景及意义8-9
• 1.2 模糊时间序列模型及预测9-14
• 1.2.1 模糊时间序列模型11-12
• 1.2.2 模糊时间序列预测12-14
• 1.3 本文的主要内容14-16
• 2 信息粒和反向传播神经网络简介16-27
• 2.1 信息粒简介16-24
• 2.1.1 信息粒的概念19-20
• 2.1.2 信息粒化方法20-21
• 2.1.3 时间序列的信息粒化21-24
• 2.2 反向传播神经网络24-27
• 2.2.1 反向传播神经网络的概念24-25
• 2.2.2 反向传播神经网络的建模过程25-27
• 3 基于模糊C均值聚类和BP神经网络的模糊时间序列预测27-36
• 3.1 模糊C均值聚类简介27-29
• 3.1.1 模糊C均值聚类的理论知识27-28
• 3.1.2 基于模糊C均值聚类的论域划分28-29
• 3.2 实验步骤和结果展示29-36
• 4 基于信息粒和BP神经网络的模糊时间序列预测36-44
• 4.1 基于信息粒的论域划分36-37
• 4.2 实验步骤和结果展示37-44
• 结论44-45
• 参考文献45-48
• 攻读硕士学位期间发表学术论文情况48-49
• 致谢49-50

【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5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 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

3 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

4 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

5 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 朱成璋;基于机器学习的时间序列预测关键技术研究[D];国防科学技术大学;2014年

5 顾兰兰;基于BP神经网络的模糊时间序列预测[D];大连理工大学;2016年

6 侯效永;多尺度时间序列预测[D];苏州大学;2013年

7 王丽贤;时间序列预测技术研究[D];天津理工大学;2012年

8 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

9 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

10 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

  本文关键词：基于BP神经网络的模糊时间序列预测，由笔耕文化传播整理发布。

，

本文编号：509481