基于神经网络的非线性慢时变系统的数值预测研究

发布时间：2017-09-14 21:19

  本文关键词：基于神经网络的非线性慢时变系统的数值预测研究

  更多相关文章： 数值预测 BP神经网络 级连相关网络 区间预测 RBF神经网络

【摘要】：本文以非线性慢时变系统的数值预测研究为主要内容。在实际的生产和生活中有很多系统都属于非线性慢时变系统,这类系统的输入与输出之间的对应关系不满足线性关系,并且这种对应关系会随着时间的推移而发生变化。本文以神经网络为工具对非线性慢时变系统的数值预测问题展开研究。神经网络具有复杂、非线性映射能力,并且可以通过对训练样本的学习,自适应地调整权值。本文基于神经网络模型对参数慢时变的非线性函数、Mackey-Glass时间序列以及实际风电场的风速这三种非线性慢时变系统展开了数值预测的研究。主要研究内容包括以下几个方面：首先,基于BP神经网络对参数慢时变的非线性函数、Mackey-Glass时间序列以及实际风电场的风速进行了在线预测与批量预测。基于BP神经网络对参数慢时变的非线性函数的在线预测准确度较差,对Mackey-Glass时间序列以及实际风电场风速的在线预测可以得到精度合理的结果。基于BP神经网络对参数慢时变的非线性函数、Mackey-Glass时间序列以及实际风电场风速的批量预测均具有较好的稳定性,算法运行时间较长。针对传统BP算法收敛速度慢的问题,采用了动量算法进行改进。然后,基于级连相关网络对参数慢时变的非线性函数、Mackey-Glass时间序列以及实际风电场的风速进行了增量预测。级连相关网络解决了传统的BP神经网络的步长问题和变动目标问题,在很大程度上改进了算法的收敛速度。基于级连相关网络对参数慢时变的非线性函数、Mackey-Glass时间序列以及实际风电场的风速的增量预测均具有较好的稳定性,并且算法运行时间较短。在单值预测之后,基于RBF神经网络对风电场风速进行了进行区间预测。将RBF神经网络与LUBE方法结合,在一定的置信水平下根据输入数据计算输出值的上界与下界。由于LUBE方法的结果依赖于初始值的选择,本文提出了一种新的区间预测方法：建立基于RBF神经网络的单值预测模型,将单值预测模型的输出值与样本的实际输出值做比较,计算残差。对残差进行聚类与统计,初步估计样本输出值的上界与下界,作为区间预测模型的初始值。再结合LUBE方法,进一步对基于RBF神经网络的区间预测模型的参数进行优化,得到区间预测的结果。对于宁夏和云南风电场风速的区间预测,本文提出的方法比LUBE方法的覆盖概率更高,综合评价指标CWC更小,区间预测的效果更好。
【关键词】：数值预测 BP神经网络 级连相关网络 区间预测 RBF神经网络
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;TM614
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-15
• 1.1 研究背景及意义9-11
• 1.2 国内外研究现状11-13
• 1.3 论文组织结构13-15
• 第二章 非线性慢时变系统及数据预处理15-21
• 2.1 非线性慢时变系统15
• 2.2 数据预处理15-18
• 2.2.1 数据预处理的必要性16
• 2.2.2 数据预处理的主要方法16-18
• 2.3 模型阶次的确定18-20
• 2.3.1 时间序列模型18-20
• 2.3.2 时间序列模型的定阶方法20
• 2.4 本章小结20-21
• 第三章 基于BP神经网络的批量预测与在线预测21-35
• 3.1 BP神经网络21-27
• 3.1.1 BP神经网络的结构21-22
• 3.1.2 BP学习算法22-25
• 3.1.3 BP算法的改进25-27
• 3.2 参数慢时变的非线性函数的在线预测与批量预测27-29
• 3.2.1 在线预测27
• 3.2.2 批量预测27-28
• 3.2.3 对比与分析28-29
• 3.3 Mackey-Glass时间序列的在线预测与批量预测29-31
• 3.3.1 在线预测29
• 3.3.2 批量预测29-30
• 3.3.3 对比与分析30-31
• 3.4 风电场风速的在线预测与批量预测31-33
• 3.4.1 在线预测31-32
• 3.4.2 批量预测32-33
• 3.4.3 对比与分析33
• 3.5 本章小结33-35
• 第四章 基于级连相关网络的增量预测35-43
• 4.1 级连相关网络35-38
• 4.1.1 简介35
• 4.1.2 BP算法学习速度慢的原因35-37
• 4.1.3 级连相关网络的结构37-38
• 4.1.4 学习算法38
• 4.2 参数慢时变的非线性函数的增量预测38-39
• 4.3 Mackey-Glass时间序列的增量预测39-40
• 4.4 风电场风速数据的增量预测40-41
• 4.5 本章小结41-43
• 第五章 基于RBF神经网络的区间预测43-55
• 5.1 RBF神经网络43-45
• 5.1.1 RBF神经网络简介43-44
• 5.1.2 RBF神经网络的学习算法44-45
• 5.2 LUBE算法45-48
• 5.2.1 区间预测的评价指标46-48
• 5.2.2 模拟退火算法48
• 5.3 风电场风速数据的区间预测48-53
• 5.3.1 构建模型48-49
• 5.3.2 参数初始化49-51
• 5.3.3 算例仿真51-53
• 5.4 本章小结53-55
• 第六章 总结与展望55-57
• 6.1 本文的主要结论55
• 6.2 课题研究展望55-57
• 致谢57-59
• 参考文献59-63
• 作者简介63

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：852391