【摘要】：為了提高統(tǒng)計(jì)數(shù)據(jù)時(shí)間序列準(zhǔn)確預(yù)測(cè)的能力,針對(duì)當(dāng)前的線性指數(shù)預(yù)測(cè)方法計(jì)算開(kāi)銷過(guò)大,且容易陷入局部最優(yōu)的問(wèn)題,提出一種基于變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)控制的決策樹(shù)預(yù)測(cè)算法,對(duì)待處理的統(tǒng)計(jì)數(shù)據(jù)時(shí)間序列進(jìn)行非線性特征相空間重構(gòu),在重構(gòu)的高維特征相空間中進(jìn)行決策樹(shù)訓(xùn)練,提取統(tǒng)計(jì)數(shù)據(jù)信息流的主成分特征,對(duì)提取的特征參量采用變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行伴隨跟蹤訓(xùn)練,進(jìn)行數(shù)據(jù)聚類中心搜索和預(yù)測(cè)指向性誤差的小擾動(dòng)抑制,實(shí)現(xiàn)統(tǒng)計(jì)數(shù)據(jù)時(shí)間序列的準(zhǔn)確預(yù)測(cè).仿真結(jié)果表明,采用該算法進(jìn)行統(tǒng)計(jì)數(shù)據(jù)預(yù)測(cè)的精度較高,收斂性較好,對(duì)數(shù)據(jù)信息流的走勢(shì)擬合性能較好,性能優(yōu)于傳統(tǒng)方法.
[Abstract]:In order to improve the ability of accurate prediction of time series of statistical data, a decision tree prediction algorithm based on variable structure neural network control is proposed to solve the problem that the computation cost of the current linear exponential prediction method is too large and it is easy to fall into local optimum. To deal with the time series of statistical data, the nonlinear feature phase space is reconstructed, the decision tree is trained in the reconstructed high dimensional feature phase space, and the principal component features of the statistical data flow are extracted. A variable structure neural network controller is used to train the extracted characteristic parameters, and the data clustering center search and the small disturbance suppression of the prediction directivity error are carried out to realize the accurate prediction of the statistical data time series. The simulation results show that the proposed algorithm has the advantages of high precision, good convergence and better performance in fitting the trend of the data flow. The performance of the proposed algorithm is better than that of the traditional method.
【作者單位】： 平頂山學(xué)院計(jì)算機(jī)學(xué)院(軟件學(xué)院);
【基金】：河南省科技廳項(xiàng)目(132102310516)
【分類號(hào)】：TP311.13;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 費(fèi)峻濤;神經(jīng)網(wǎng)絡(luò)控制的應(yīng)用[J];自動(dòng)化博覽;1998年01期

2 費(fèi)峻濤,鮑遠(yuǎn)律,朱民,楊梅;神經(jīng)網(wǎng)絡(luò)控制的應(yīng)用和發(fā)展[J];自動(dòng)化與儀表;1998年02期

3 王忠勇,蔡遠(yuǎn)利,賈冬,劉文江;混沌系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制[J];控制與決策;2000年01期

4 徐湘元;毛宗源;;非線性時(shí)延對(duì)象的神經(jīng)網(wǎng)絡(luò)控制[J];模式識(shí)別與人工智能;2000年02期

5 鮑連承,趙景波,朱海斌;神經(jīng)網(wǎng)絡(luò)控制的穩(wěn)定性與收斂性分析[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

6 杜海峰,王孫安;一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)控制方法及其仿真研究[J];系統(tǒng)仿真學(xué)報(bào);2001年06期

7 于萍,劉勝;船舶減搖非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)控制研究[J];信息與控制;2003年03期

8 徐麗娜;神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)及所用神經(jīng)網(wǎng)絡(luò)[J];自動(dòng)化技術(shù)與應(yīng)用;2004年01期

9 梁新榮,劉智勇,毛宗源;高速公路可變速度標(biāo)志神經(jīng)網(wǎng)絡(luò)控制[J];計(jì)算機(jī)工程;2005年18期

10 吳行健;;非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)控制的現(xiàn)狀與展望[J];臨沂師范學(xué)院學(xué)報(bào);2005年06期

相關(guān)會(huì)議論文 前10條

1 魯照權(quán);陳道炯;;精密微位移驅(qū)動(dòng)機(jī)構(gòu)的神經(jīng)網(wǎng)絡(luò)控制[A];1996年中國(guó)控制會(huì)議論文集[C];1996年

2 王永驥;徐桂英;張曉蘭;涂健;;基于修正δ規(guī)則的神經(jīng)網(wǎng)絡(luò)控制[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

3 楊霞;李新葉;高燕;;機(jī)床進(jìn)給系統(tǒng)跟蹤精度的神經(jīng)網(wǎng)絡(luò)控制[A];第十二屆中國(guó)小電機(jī)技術(shù)研討會(huì)論文集[C];2007年

4 韓亞偉;何玉敖;;結(jié)構(gòu)振動(dòng)神經(jīng)網(wǎng)絡(luò)控制研究[A];第三屆全國(guó)現(xiàn)代結(jié)構(gòu)工程學(xué)術(shù)研討會(huì)論文集[C];2003年

5 陳捷;王樹(shù)青;王寧;王驥程;;多側(cè)線精餾塔的神經(jīng)網(wǎng)絡(luò)控制[A];1995年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（上冊(cè)）[C];1995年

6 王淑蓮;孫輝;陳兵;唐建林;;二次調(diào)節(jié)節(jié)能系統(tǒng)神經(jīng)網(wǎng)絡(luò)控制[A];機(jī)床與液壓學(xué)術(shù)研討會(huì)論文集[C];2004年

7 劉曉宏;閻保定;鐘競(jìng);;非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制研究[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

8 沙道航;楊華勇;;電液系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

9 王文雋;豐岡了;馬爾科·卡薩里;;神經(jīng)網(wǎng)絡(luò)控制液晶光閥在光譜合成中的應(yīng)用(英文)[A];信息科學(xué)與微電子技術(shù):中國(guó)科協(xié)第三屆青年學(xué)術(shù)年會(huì)論文集[C];1998年

10 梅建東;張?zhí)炱?李紅春;;具有未知控制方向的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制[A];2005全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集（二）[C];2005年

相關(guān)碩士學(xué)位論文 前10條

1 劉苗苗;基于MRE減震結(jié)構(gòu)的智能控制算法研究[D];南京理工大學(xué);2015年

2 陳曉霞;基于神經(jīng)網(wǎng)絡(luò)控制的有源電力濾波器研究[D];河北工業(yè)大學(xué);2015年

3 高子凱;神經(jīng)網(wǎng)絡(luò)控制及其在污水處理中的應(yīng)用[D];河北科技大學(xué);2014年

4 張玨;神經(jīng)網(wǎng)絡(luò)控制在減壓塔中應(yīng)用的仿真研究[D];燕山大學(xué);2016年

5 李素敏;基于可拓邏輯的神經(jīng)網(wǎng)絡(luò)控制研究[D];鄭州大學(xué);2003年

6 吳學(xué)鋒;精餾塔操作的神經(jīng)網(wǎng)絡(luò)控制方法[D];中國(guó)地質(zhì)大學(xué)（北京）;2005年

7 徐盈;神經(jīng)網(wǎng)絡(luò)控制在頸部肌肉主動(dòng)力中的應(yīng)用[D];湖南大學(xué);2014年

8 陳海軍;基于遺傳優(yōu)化的神經(jīng)網(wǎng)絡(luò)控制策略的研究[D];燕山大學(xué);2010年

9 敖培;多步預(yù)測(cè)性能指標(biāo)函數(shù)下的神經(jīng)網(wǎng)絡(luò)控制及其應(yīng)用[D];遼寧工程技術(shù)大學(xué);2004年

10 姜鳴;不確定離散系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制魯棒性研究[D];大連理工大學(xué);2009年

，

本文編號(hào)：2174732