資源描述:
《基于bp神經(jīng)網(wǎng)絡(luò)混沌時(shí)間序列預(yù)測(cè)模型的研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要在科學(xué)、經(jīng)濟(jì)、工程等許多應(yīng)用中都存在著在歷史數(shù)據(jù)的基礎(chǔ)上預(yù)測(cè)未來(lái)的問題。時(shí)間序列預(yù)測(cè)是預(yù)測(cè)領(lǐng)域內(nèi)的一個(gè)重要研究方向,這是一種根據(jù)歷史數(shù)據(jù)構(gòu)造時(shí)間序列模型,再把模型外推來(lái)預(yù)測(cè)未來(lái)的一種方法。近年來(lái),來(lái)自天文、水文、氣象等領(lǐng)域如太陽(yáng)黑子、徑流量、降雨量等時(shí)間序列都被發(fā)現(xiàn)含有混沌特性。面對(duì)自然和社會(huì)經(jīng)濟(jì)現(xiàn)象中大量存在的混沌時(shí)間序列,傳統(tǒng)的統(tǒng)計(jì)分析方法效果欠佳。神經(jīng)網(wǎng)絡(luò)具有優(yōu)良的非線性特性,非常適合于混沌序列預(yù)測(cè)的研究。基于人工神經(jīng)網(wǎng)絡(luò)與混沌理論的預(yù)測(cè)研究是近幾年來(lái)的研究熱點(diǎn),受到了特別的重視,本論文對(duì)此作了較
2、為系統(tǒng)深入的研究。首先,本文對(duì)混沌時(shí)間序列的概念和判別方法做了簡(jiǎn)單介紹,介紹了一個(gè)具體的人工混沌時(shí)間序列模型:Lorenz模型,總結(jié)了時(shí)間序列的混沌識(shí)別的一些基本方法。然后,介紹了混沌時(shí)間序列預(yù)測(cè)的基礎(chǔ):相空間的重構(gòu)理論,即把具有混沌特性的時(shí)間序列重建為一種低階非線性動(dòng)力學(xué)系統(tǒng)。通過相空間重構(gòu),可以找出隱藏在混沌吸引子中的演化規(guī)律,使現(xiàn)有的數(shù)據(jù)納入某種可描述的框架之下,從而為時(shí)間序列的研究提供了一種嶄新的方法和思路。在重構(gòu)相空間時(shí),合適的延遲時(shí)間和嵌入維數(shù)的選取至關(guān)重要。本文著重介紹了GP算法,在GP算法計(jì)
3、算中,通常需要確定無(wú)標(biāo)度區(qū),無(wú)標(biāo)度區(qū)的準(zhǔn)確性將直接影響分形維的準(zhǔn)確性。本文對(duì)此問題進(jìn)行了比較深入的研究,提出了一種選取無(wú)標(biāo)度區(qū)的簡(jiǎn)單方法。最后,探討了BP神經(jīng)網(wǎng)絡(luò)的模型與結(jié)構(gòu)、BP算法學(xué)習(xí)規(guī)則,構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列預(yù)測(cè)模型,研究了神經(jīng)網(wǎng)絡(luò)的規(guī)模、推廣能力等問題。并利用建立的BP神經(jīng)網(wǎng)絡(luò)模型,對(duì)兩個(gè)具體的混沌時(shí)間序列進(jìn)行了預(yù)測(cè),結(jié)果非常理想,說明本文所建立的基于BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型具有很好的預(yù)測(cè)能力和較佳的推廣能力,驗(yàn)證了本文構(gòu)建的基于BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型的有效性和普適性。
4、關(guān)鍵詞:混沌,相空間重構(gòu),嵌入維,關(guān)聯(lián)維,延遲時(shí)間,BP算法ABSTRACTThereisnodenyingthefactthatthemethodofpredictingthefuturebasedOnhistoricaldataiscommonlyusedinscience,economiesandengineering.TimeSeriesForecasting,whichconstructstimeseriesmodelonthebasisoflaistoricaldataandthenusesth
5、emodeltoforecastthefuture。is缸importantresearchdirectioninforecastingresearcharea.Asfar緦astronomy。hydrologyandmeteorologiealphenomenaarcconcerned,manytimeseriessuchassun.spots。amountofrunoff,rain蹦lamountwerediscoveredallincludingthechaoticcharacterinrecenty
6、ears.Inthefaceofthechaotictimeseries1argelyexistedinnatureandsocialeconomicphenomena,thewaditionalmethodofstatisticalanalysisperformedbadly.NeuralNetwork(№Dposessesexcellentnon-linearcharacter,wlaichenablesittobeextremelysuitabletotheforecastingresearchinc
7、haoticarray.Basedonartificialneuralnetworkandchaotictheory,theforecastingresearchhasbecomeresearchhotspotandreceivedspecialattentionatpresent.Thisdissertationhasdonesystematicandthoroughresearchontheabovementionedproblem.Firstly,thisdissertatio-hasmadeansi
8、mpleintroductiontotheconceptanddistinctionmethodofehaodetimeseries.Inaddition,thisdissertationhasintroducedlorenzmodelandsummarizedseveralfundamentalmethodabouttimeserieselaaosrecognition.Andthen,thisdisserta