時(shí)間序列作為一種按照時(shí)間順序排列的數(shù)據(jù)序列集合,已經(jīng)廣泛存在于水文、氣象、環(huán)境、醫(yī)療、交通、金融等諸多領(lǐng)域。對(duì)時(shí)間序列潛在的信息和規(guī)律進(jìn)行提取、分析、預(yù)測(cè),已經(jīng)成為分析非線(xiàn)性系統(tǒng)動(dòng)態(tài)演變規(guī)律及未來(lái)變化趨勢(shì)的重要途徑,也對(duì)人類(lèi)的生產(chǎn)、生活具有重要的指導(dǎo)意義。許多復(fù)雜的非線(xiàn)性系統(tǒng)所產(chǎn)生的時(shí)間序列都含有未知噪聲并具有時(shí)變特性,因此如何隨著數(shù)據(jù)量的增加建立實(shí)時(shí)有效并能夠反映時(shí)間序列演變規(guī)律的在線(xiàn)預(yù)測(cè)方法已經(jīng)成為時(shí)間序列預(yù)測(cè)研究的重點(diǎn)。本文以基于核自適應(yīng)濾波器的時(shí)間序列在線(xiàn)預(yù)測(cè)為題進(jìn)行研究,針對(duì)于含有噪聲并具有時(shí)變特性的時(shí)間序列,設(shè)計(jì)合適的在線(xiàn)預(yù)測(cè)模型,提升計(jì)算效率和預(yù)測(cè)精度,并增強(qiáng)抗噪能力和在線(xiàn)預(yù)測(cè)能力。核自適應(yīng)濾波器是一類(lèi)典型的在線(xiàn)預(yù)測(cè)方法,其中核遞歸最小二乘方法是核自適應(yīng)濾波器的代表性方法。首先,針對(duì)于核遞歸最小二乘方法的計(jì)算復(fù)雜度、內(nèi)存占用量隨時(shí)間序列樣本量的增加而增加的問(wèn)題,以及對(duì)時(shí)變特性跟蹤較弱的問(wèn)題,提出自適應(yīng)動(dòng)態(tài)調(diào)整核遞歸最小二乘方法。在字典的更新過(guò)程中,該方法采用近似線(xiàn)性依賴(lài)和固定預(yù)算共同判別新樣本的取舍,該過(guò)程保留對(duì)預(yù)測(cè)貢獻(xiàn)較大的樣本,從而達(dá)到約束核矩陣階數(shù)規(guī)模的目的,提高方...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)
        1.2.2 在線(xiàn)支持向量回歸
        1.2.3 核自適應(yīng)濾波器
    1.3 主要研究?jī)?nèi)容與結(jié)構(gòu)
2 基于自適應(yīng)動(dòng)態(tài)調(diào)整KRLS方法的時(shí)間序列在線(xiàn)預(yù)測(cè)研究
    2.1 KRLS方法的基本原理及研究進(jìn)展
        2.1.1 KRLS方法的基本原理
        2.1.2 KRLS方法的研究進(jìn)展
    2.2 自適應(yīng)動(dòng)態(tài)調(diào)整KRLS方法基本原理
        2.2.1 FB-KRLS的基本原理
        2.2.2 動(dòng)態(tài)調(diào)整的原理
        2.2.3 自適應(yīng)動(dòng)態(tài)調(diào)整KRLS方法
    2.3 基于自適應(yīng)動(dòng)態(tài)調(diào)整KRLS方法的在線(xiàn)預(yù)測(cè)仿真實(shí)例
        2.3.1 Lorenz時(shí)間序列在線(xiàn)預(yù)測(cè)
        2.3.2 大連月平均氣象時(shí)間序列在線(xiàn)預(yù)測(cè)
    2.4 本章小結(jié)
3 基于動(dòng)態(tài)自適應(yīng)稀疏KRLS方法的時(shí)間序列在線(xiàn)預(yù)測(cè)研究
    3.1 ALD-KRLS方法的基本原理
        3.1.1 ALD的基本原理
        3.1.2 ALD-KRLS方法
    3.2 動(dòng)態(tài)自適應(yīng)稀疏KRLS方法的基本原理
        3.2.1 最大相關(guān)熵的基本原理
        3.2.2 矢量投影的基本原理
        3.2.3 動(dòng)態(tài)自適應(yīng)稀疏KRLS方法
    3.3 基于動(dòng)態(tài)自適應(yīng)稀疏KRLS方法的在線(xiàn)預(yù)測(cè)仿真實(shí)例
        3.3.1 含噪Lorenz時(shí)間序列在線(xiàn)預(yù)測(cè)
        3.3.2 北京AQI時(shí)間序列在線(xiàn)預(yù)測(cè)
        3.3.3 上海AQI時(shí)間序列在線(xiàn)預(yù)測(cè)
    3.4 本章小結(jié)
4 基于隨機(jī)投影的自適應(yīng)稀疏KRLS方法的時(shí)間序列在線(xiàn)預(yù)測(cè)研究
    4.1 SW-KRLS方法的基本原理
        4.1.1 滑動(dòng)窗口的基本原理
        4.1.2 SW-KRLS方法
    4.2 基于隨機(jī)投影的自適應(yīng)稀疏KRLS方法的基本原理
        4.2.1 隨機(jī)投影的基本原理
        4.2.2 改進(jìn)的動(dòng)態(tài)調(diào)整原理
        4.2.3 基于隨機(jī)投影的自適應(yīng)稀疏KRLS方法
    4.3 基于隨機(jī)投影的自適應(yīng)稀疏KRLS方法的在線(xiàn)預(yù)測(cè)仿真實(shí)例
        4.3.1 太陽(yáng)黑子-黃河年徑流時(shí)間序列在線(xiàn)預(yù)測(cè)
        4.3.2 大連月平均氣溫時(shí)間序列在線(xiàn)預(yù)測(cè)
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與項(xiàng)目情況
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3880036