工業(yè)環(huán)境中存在著大量的電磁干擾,使得工業(yè)數(shù)據(jù)的測量值在真實(shí)值周圍上下波動(dòng),給數(shù)據(jù)增添了隨機(jī)性,除此之外,工業(yè)數(shù)據(jù)自身也具有一定的隨機(jī)性。這些隨機(jī)性對時(shí)間序列的單值預(yù)測質(zhì)量可造成不利影響。時(shí)間序列的單值預(yù)測只能給出數(shù)值的變化趨勢,無法提供關(guān)于隨機(jī)性的信息。相對于單值預(yù)測的另一種形式是區(qū)間預(yù)測。區(qū)間預(yù)測不僅可以提供數(shù)據(jù)的變化趨勢,還可以提供數(shù)據(jù)的波動(dòng)區(qū)間,即是一種可提供完整預(yù)測信息的預(yù)測形式,因而得到研究和關(guān)注。過往研究和應(yīng)用證明神經(jīng)網(wǎng)絡(luò)擁有非常好的非線性處理能力,特別是遞歸神經(jīng)網(wǎng)絡(luò),更能夠反映時(shí)間序列的時(shí)序特性,而神經(jīng)網(wǎng)絡(luò)與統(tǒng)計(jì)學(xué)方法結(jié)合做區(qū)間預(yù)測也被實(shí)踐證明具有較好的實(shí)用效果。針對含噪聲工業(yè)時(shí)間序列的區(qū)間預(yù)測問題,本文提出了一種基于變分推理ESN集成模型的區(qū)間預(yù)測方法。主要?jiǎng)?chuàng)新點(diǎn)有兩點(diǎn):首先是在模型構(gòu)建階段,令ESN集成模型中每個(gè)回聲狀態(tài)網(wǎng)絡(luò)的輸出連接向量分布都具有獨(dú)立的方差,相比非獨(dú)立形式更有利于模型穩(wěn)定性;其次是在模型參數(shù)求解階段,本文提出采用變分推理來近似推導(dǎo)出集成模型中所有不確定參數(shù)的聯(lián)合后驗(yàn)概率分布,相對于已有ESN集成模型使用最大邊緣似然參數(shù)估計(jì)求解參數(shù)的方法,不僅僅能夠給... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：49 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
2 基于Bootstrap的ESN集成模型及變分推理參數(shù)估計(jì)
    2.1 基于Bootstrap的ESN集成模型
        2.1.1 回聲狀態(tài)網(wǎng)絡(luò)
        2.1.2 Bootstrap區(qū)間估計(jì)方法
        2.1.3 基于Bootstrap的ESN集成模型
    2.2 變分推理參數(shù)估計(jì)
        2.2.1 最大似然估計(jì)與貝葉斯估計(jì)
        2.2.2 變分推理原理
    2.3 本章小結(jié)
3 基于變分推理ESN集成模型的工業(yè)數(shù)據(jù)區(qū)間預(yù)測方法
    3.1 工業(yè)數(shù)據(jù)組成分析
    3.2 基于貝葉斯方法的ESN集成模型
    3.3 基于變分推理的ESN集成模型
        3.3.1 后驗(yàn)概率推導(dǎo)
        3.3.2 參數(shù)估計(jì)步驟
    3.4 ESN集成模型結(jié)構(gòu)參數(shù)確定
    3.5 基于變分推理ESN集成模型區(qū)間預(yù)測方法步驟
    3.6 性能實(shí)驗(yàn)
        3.6.1 參數(shù)估計(jì)準(zhǔn)確性與模型結(jié)構(gòu)合理性評價(jià)
        3.6.2 區(qū)間泛化能力評價(jià)
    3.7 本章小結(jié)
4 鋼鐵企業(yè)煤氣數(shù)據(jù)算例
    4.1 鋼鐵企業(yè)副產(chǎn)煤氣
    4.2 煤氣數(shù)據(jù)區(qū)間預(yù)測步驟
    4.3 區(qū)間預(yù)測方法評價(jià)指標(biāo)
    4.4 工業(yè)數(shù)據(jù)區(qū)間預(yù)測結(jié)果
        4.4.1 高爐煤氣受入流量區(qū)間預(yù)測
        4.4.2 其它煤氣流量數(shù)據(jù)區(qū)間預(yù)測結(jié)果
    4.5 本章小結(jié)
5 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]鋼鐵企業(yè)煤氣預(yù)測及優(yōu)化調(diào)度系統(tǒng)開發(fā)[J]. 吳萌,馬光宇,李志鋒,金耀輝.  鞍鋼技術(shù). 2017(06)
[2]基于模糊�；母倪M(jìn)混合神經(jīng)網(wǎng)絡(luò)股指期貨價(jià)格區(qū)間預(yù)測[J]. 林焰,楊建輝.  南方金融. 2017(11)
[3]基于ARIMA與BP組合模型的煤礦瓦斯涌出量預(yù)測[J]. 邢浩然,楊應(yīng)迪.  內(nèi)蒙古煤炭經(jīng)濟(jì). 2017(17)
[4]鋼鐵制造全流程余熱余能資源的回收利用現(xiàn)狀[J]. 代銘玉.  冶金經(jīng)濟(jì)與管理. 2017(02)
[5]鋼鐵企業(yè)副產(chǎn)煤氣預(yù)測及優(yōu)化調(diào)度[J]. 李紅娟,熊文真.  鋼鐵. 2016(08)
[6]鋼鐵工業(yè)的副產(chǎn)煤氣[J].   燃料與化工. 2016(03)
[7]基于支持向量機(jī)的區(qū)間模糊數(shù)時(shí)間序列預(yù)測[J]. 劉齊林,曾玲,曾祥艷.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2015(22)
[8]基于模塊化回聲狀態(tài)網(wǎng)絡(luò)的實(shí)時(shí)電力負(fù)荷預(yù)測[J]. 肖勇,楊勁鋒,馬千里,闕華坤,王家兵,秦州.  電網(wǎng)技術(shù). 2015(03)
[9]基于OS-ELM和Bootstrap方法的超短期風(fēng)電功率預(yù)測[J]. 王焱,汪震,黃民翔,蔡禎祺,楊濛濛.  電力系統(tǒng)自動(dòng)化. 2014(06)
[10]基于bootstrap分析方法的我國基金經(jīng)理選股能力研究[J]. 王玨,張新民.  中國軟科學(xué). 2013(11)

博士論文
[1]基于模糊理論的時(shí)間序列預(yù)測研究[D]. 王威娜.大連理工大學(xué) 2016
[2]時(shí)間序列數(shù)據(jù)挖掘若干關(guān)鍵問題研究[D]. 何曉旭.中國科學(xué)技術(shù)大學(xué) 2014

碩士論文
[1]基于非線性Ensemble的短期負(fù)荷預(yù)測及置信區(qū)間[D]. 陳立國.天津大學(xué) 2016



本文編號(hào)：3247991