【摘要】：時(shí)間序列是按照時(shí)間排序的一組隨機(jī)變量,廣泛地存在于生活中的諸多領(lǐng)域,包括氣象、金融、農(nóng)業(yè)、生物等,挖掘隱含其中有用的知識(shí)對(duì)實(shí)際生活生產(chǎn)有重大作用和意義。時(shí)間序列預(yù)測(cè)作為一種時(shí)序挖掘技術(shù),是時(shí)序數(shù)據(jù)分析處理的一個(gè)重要方面。時(shí)間序列預(yù)測(cè)通過分析歷史時(shí)序數(shù)據(jù)對(duì)未來一段時(shí)期的時(shí)序數(shù)據(jù)進(jìn)行預(yù)測(cè)。在時(shí)間序列預(yù)測(cè)中,傳統(tǒng)的時(shí)序預(yù)測(cè)模型由于自身結(jié)構(gòu)的限制,導(dǎo)致對(duì)復(fù)雜的非線性數(shù)據(jù)預(yù)測(cè)結(jié)果不理想�；谏窠�(jīng)網(wǎng)絡(luò)和支持向量機(jī)的預(yù)測(cè)模型訓(xùn)練算法復(fù)雜、易陷入局部最優(yōu)且網(wǎng)絡(luò)結(jié)構(gòu)不穩(wěn)定,明顯降低構(gòu)建模型的效率�；芈暊顟B(tài)網(wǎng)絡(luò)作為一種新型的遞歸神經(jīng)網(wǎng)絡(luò),廣泛應(yīng)用于非線性時(shí)間序列的預(yù)測(cè)中。但是,面對(duì)時(shí)間序列數(shù)據(jù)高維、復(fù)雜的特性,很難高效而準(zhǔn)確地對(duì)時(shí)間序列進(jìn)行分析和預(yù)測(cè)處理。同時(shí),傳統(tǒng)的ESN網(wǎng)絡(luò)由于獨(dú)特的結(jié)構(gòu)特性,在進(jìn)行網(wǎng)絡(luò)訓(xùn)練時(shí)需要大量的訓(xùn)練樣本使得訓(xùn)練困難,影響預(yù)測(cè)精度。鑒于此,為了能夠?qū)Σ煌瑫r(shí)序數(shù)據(jù)進(jìn)行精準(zhǔn)的預(yù)測(cè),本文改進(jìn)了時(shí)序SAX表示法,并結(jié)合回聲狀態(tài)網(wǎng)絡(luò)預(yù)測(cè)模型,開展基于SAX和狀態(tài)網(wǎng)絡(luò)的時(shí)序預(yù)測(cè)模型研究。研究?jī)?nèi)容如下:(1)時(shí)間序列相關(guān)理論算法分析。針對(duì)時(shí)間序列挖掘中的基礎(chǔ)理論和相關(guān)算法進(jìn)行了總結(jié)與說明,介紹并分析了時(shí)間序列SAX表示法與預(yù)測(cè)方法研究目的與算法原理等相關(guān)內(nèi)容。(2)基于局部均值分解和改進(jìn)小波熵的時(shí)序SAX模型。為解決傳統(tǒng)SAX表示法中分段數(shù)選取平均化、劃分區(qū)間同等對(duì)待、非平穩(wěn)的序列中的突變信息特征難以體現(xiàn)的問題,引入了局部均值分解技術(shù)和改進(jìn)小波熵分段算法,提出了基于局部均值分解和改進(jìn)小波熵的時(shí)序SAX模型。該模型將局部均值分解技術(shù)與改進(jìn)小波熵算法相結(jié)合,不僅能對(duì)原始時(shí)間序列去噪,而且能夠更好地獲取非平穩(wěn)序列的特征信息,對(duì)序列進(jìn)行擬合,達(dá)到降維的目的,提高了KNN分類算法在該表示法上的分類準(zhǔn)確率。(3)灰狼優(yōu)化回聲狀態(tài)網(wǎng)絡(luò)的時(shí)序預(yù)測(cè)方法�；芈暊顟B(tài)網(wǎng)絡(luò)采用儲(chǔ)備池代替?zhèn)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)的隱層,其預(yù)測(cè)主要是通過對(duì)連接權(quán)重的訓(xùn)練實(shí)現(xiàn)的,算法簡(jiǎn)單易于實(shí)現(xiàn)。但由于ESN獨(dú)特的結(jié)構(gòu)特性,需要大量的訓(xùn)練樣本使得訓(xùn)練困難,同時(shí)也需要提高儲(chǔ)備池的適應(yīng)性以面對(duì)復(fù)雜的預(yù)測(cè)任務(wù)。為了解決ESN預(yù)測(cè)中訓(xùn)練困難的問題,引入了灰狼算法,提出了灰狼優(yōu)化回聲狀態(tài)網(wǎng)絡(luò)的時(shí)序預(yù)測(cè)方法。該算法中灰狼能夠自適應(yīng)地快速根據(jù)其捕食行為實(shí)現(xiàn)全局優(yōu)化,通過灰狼算法優(yōu)化輸出權(quán)重W~(out),解決了訓(xùn)練困難的問題,提高了ESN網(wǎng)絡(luò)預(yù)測(cè)的精度。(4)基于SAX和回聲狀態(tài)網(wǎng)絡(luò)的時(shí)序預(yù)測(cè)模型。將SAX表示法引入灰狼優(yōu)化回聲狀態(tài)網(wǎng)絡(luò)的時(shí)序預(yù)測(cè)算法中,構(gòu)建新的時(shí)序預(yù)測(cè)模型。從而簡(jiǎn)化預(yù)測(cè)模型中的訓(xùn)練數(shù)據(jù),在保持預(yù)測(cè)精度的前提下,提升該模型的構(gòu)建效率。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：O211.61

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁全勇;李春;楊陽;;風(fēng)速時(shí)間序列混沌判定方法比較研究[J];熱能動(dòng)力工程;2018年07期

2 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時(shí)間序列分類方法[J];計(jì)算機(jī)應(yīng)用;2017年02期

3 王金策;楊寧;;時(shí)間序列趨勢(shì)預(yù)測(cè)[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年02期

4 彭佳星;肖基毅;;基于分型轉(zhuǎn)折點(diǎn)的證券時(shí)間序列分段表示法[J];商;2016年31期

5 劉偉龍;;基于ARMA模型的股價(jià)預(yù)測(cè)及實(shí)證研究[J];智富時(shí)代;2017年02期

6 周仰;;《漫長(zhǎng)的告別》(年度資助攝影圖書)[J];中國(guó)攝影;2017年04期

7 王嵬;;王嵬作品[J];當(dāng)代油畫;2017年07期

8 劉明華;張晉昕;;時(shí)間序列的異常點(diǎn)診斷方法[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2011年04期

9 郭崇慧;蘇木亞;;基于獨(dú)立成分分析的時(shí)間序列譜聚類方法[J];系統(tǒng)工程理論與實(shí)踐;2011年10期

10 王佳林;王斌;楊曉春;;面向不確定時(shí)間序列的分類方法[J];計(jì)算機(jī)研究與發(fā)展;2011年S3期

相關(guān)會(huì)議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時(shí)間序列預(yù)報(bào)方法及其應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

2 徐光晶;;統(tǒng)計(jì)學(xué)在大地電磁測(cè)深時(shí)間序列處理中的應(yīng)用[A];2017中國(guó)地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)論文集（二十九）——專題57：電磁地球物理學(xué)研究及其應(yīng)用[C];2017年

3 毛宇清;王詠青;王革麗;;支持向量機(jī)方法應(yīng)用于理想時(shí)間序列的預(yù)測(cè)研究[A];中國(guó)氣象學(xué)會(huì)2008年年會(huì)氣候預(yù)測(cè)研究與預(yù)測(cè)方法分會(huì)場(chǎng)論文集[C];2008年

4 吳堅(jiān)忠;路子愚;鄭應(yīng)平;;時(shí)間序列社會(huì)悖論模型及分析[A];1989年控制理論及其應(yīng)用年會(huì)論文集（上）[C];1989年

5 雷敏;孟光;謝洪波;Kerreie Mengersen;Peter Bartlett;;嵌入維數(shù)對(duì)復(fù)雜時(shí)間序列的熵分析的影響研究[A];中國(guó)力學(xué)大會(huì)-2015論文摘要集[C];2015年

6 王兆甲;王海良;;一種相似時(shí)間序列挖掘算法及其在汽車運(yùn)動(dòng)分析中的應(yīng)用[A];2014中國(guó)汽車工程學(xué)會(huì)年會(huì)論文集[C];2014年

7 林忠輝;莫興國(guó);薛玲;;用NDVI時(shí)間序列確定作物物侯和作物類型判別[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

8 王冬;章家義;陳宗;;配電網(wǎng)時(shí)間序列數(shù)據(jù)的云計(jì)算集群快速壓縮模型[A];2017年江西省電機(jī)工程學(xué)會(huì)年會(huì)論文集[C];2018年

9 徐俊武;盧現(xiàn)祥;;公共支出、政府治理、部門效應(yīng)與共享式增長(zhǎng)——基于中國(guó)時(shí)間序列數(shù)據(jù)的分析[A];第十一屆中國(guó)制度經(jīng)濟(jì)學(xué)年會(huì)論文匯編（上）[C];2011年

10 韓奔;;非完全檢測(cè)下腐蝕管道的最優(yōu)檢測(cè)時(shí)間序列[A];中國(guó)力學(xué)大會(huì)-2015論文摘要集[C];2015年

相關(guān)重要報(bào)紙文章 前10條

1 王曉寶 楊永恒 永安期貨;淺析波動(dòng)率的均值回復(fù)特征[N];期貨日?qǐng)?bào);2017年

2 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日?qǐng)?bào);2009年

3 國(guó)家統(tǒng)計(jì)局核算司 呂峰;不變價(jià)GDP時(shí)間序列數(shù)據(jù)的構(gòu)造[N];中國(guó)信息報(bào);2016年

4 ;《時(shí)間序列與金融數(shù)據(jù)分析》[N];中國(guó)信息報(bào);2004年

5 何德旭 王朝陽;時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)：協(xié)整與有條件的異方差自回歸[N];中國(guó)社會(huì)科學(xué)院院報(bào);2003年

6 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2003年

7 卞紀(jì);我國(guó)多時(shí)間序列濕地遙感制圖完成[N];中國(guó)氣象報(bào);2011年

8 權(quán)證一級(jí)交易商 國(guó)信證券;正股走勢(shì)及時(shí)間序列主導(dǎo)下半年權(quán)證市場(chǎng)運(yùn)行結(jié)構(gòu)[N];證券時(shí)報(bào);2006年

9 廣發(fā)期貨股指研究小組 謝貞聯(lián);Hurst指數(shù)提示市場(chǎng)升勢(shì)或?qū)⑿纬蒣N];上海證券報(bào);2012年

10 丁睿 中糧期貨研究院;試論指數(shù)HP濾波分析法的應(yīng)用[N];期貨日?qǐng)?bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 楊玉軍;基于機(jī)器學(xué)習(xí)的時(shí)間序列模型研究及其應(yīng)用[D];電子科技大學(xué);2018年

2 丁超;MODIS時(shí)間序列重建方法與應(yīng)用[D];中國(guó)地質(zhì)大學(xué)(北京);2018年

3 潘玉青;基于NDVI時(shí)間序列的黃河中下游典型史前都邑性遺址的作物物候觀察[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

4 郝鵬宇;基于多時(shí)相遙感數(shù)據(jù)的農(nóng)作物分類研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

5 喬海浪;基于NDVI時(shí)間序列重構(gòu)的經(jīng)濟(jì)型人工林時(shí)空分布信息提取研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

6 王妮妮;基于智能計(jì)算技術(shù)的時(shí)間序列分割及預(yù)測(cè)研究[D];大連理工大學(xué);2013年

7 王曉曄;時(shí)間序列數(shù)據(jù)挖掘中相似性和趨勢(shì)預(yù)測(cè)的研究[D];天津大學(xué);2003年

8 駱科東;短時(shí)間序列挖掘方法研究[D];清華大學(xué);2004年

9 肖輝;時(shí)間序列的相似性查詢與異常檢測(cè)[D];復(fù)旦大學(xué);2005年

10 李漢東;多變量時(shí)間序列波動(dòng)持續(xù)性研究[D];天津大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 張偉;基于時(shí)間序列的貨幣與投資對(duì)CPI指數(shù)的關(guān)聯(lián)性研究[D];中國(guó)地質(zhì)大學(xué)(北京);2018年

2 孫越凡;時(shí)間序列遙感技術(shù)支持的國(guó)土空間開發(fā)監(jiān)測(cè)研究[D];南京大學(xué);2018年

3 呂玉紅;時(shí)間序列異常檢測(cè)算法的研究與應(yīng)用[D];電子科技大學(xué);2018年

4 肖文棟;時(shí)序醫(yī)療健康數(shù)據(jù)挖掘的研究[D];電子科技大學(xué);2018年

5 詹念;農(nóng)業(yè)云平臺(tái)的網(wǎng)絡(luò)守護(hù)軟件開發(fā)[D];黑龍江大學(xué);2018年

6 白瑩瑩;基于SAX和回聲狀態(tài)網(wǎng)路的時(shí)序預(yù)測(cè)模型研究[D];太原理工大學(xué);2018年

7 郭芷榕;基于BP神經(jīng)網(wǎng)絡(luò)和半監(jiān)督學(xué)習(xí)的時(shí)間序列分類模型研究[D];太原理工大學(xué);2018年

8 馬超紅;時(shí)間序列早期分類研究[D];河北經(jīng)貿(mào)大學(xué);2018年

9 朱慧;重慶地區(qū)NDVI時(shí)間序列重建研究[D];重慶師范大學(xué);2017年

10 叢林;半干旱地區(qū)旱情演變特征分析及旱情預(yù)測(cè)研究[D];沈陽農(nóng)業(yè)大學(xué);2017年

，

本文編號(hào)：2598018