【摘要】：區(qū)間值時間序列作為時間序列的一種,按照時間順序收集區(qū)間值數(shù)據(jù),能夠描述觀測變量的不確定性與可變性,在經(jīng)濟、社會、能源、環(huán)境等多個領(lǐng)域都具有很重要實用價值,對相關(guān)領(lǐng)域的預(yù)警、管理、控制和決策具有重要的指導(dǎo)作用。常規(guī)的區(qū)間值時間序列建模方法以數(shù)值為中心,追求預(yù)測結(jié)果的精確性。但在數(shù)據(jù)規(guī)模日益龐大的今天,過分關(guān)注個體數(shù)據(jù)的準確性已不再滿足實際需求,這種預(yù)測結(jié)果并不能完全地描述由數(shù)據(jù)的不規(guī)則性或人類語言的模糊性所引起的不確定因素,存在局限性,不便于人類的認知與理解。作為一種新興的信息處理方法,粒計算借鑒了人類處理和解決復(fù)雜問題的基本思路,借助模糊集、粗糙集和概率集等理論對實際問題進行抽象,將復(fù)雜問題通過信息�；姆椒▌澐譃橐幌盗懈菀坠芾砗透〉淖訂栴},實現(xiàn)對問題的簡化,提高求解效率,降低了全局計算代價。應(yīng)用于時間序列領(lǐng)域,這種模擬人類對大量復(fù)雜信息理解與處理的方法追求模型的“可解釋性”,使用戶能夠更容易地理解、捕捉與描述時間序列數(shù)據(jù)之間的動態(tài)行為特性,更高效地分析日益復(fù)雜的信息。在這一背景下,本文提出了一種基于粒計算的區(qū)間值時間序列建模方法,將粒計算與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合對區(qū)間值時間序列進行建模與分析。該方法在論域上建立能夠良好反映數(shù)據(jù)特性的語義概念集合,并將每個數(shù)值區(qū)間視為信息顆粒,將這些信息顆粒在粒計算框架內(nèi)進行基于語義概念集合的信息粒表示。通過集合中信息粒對數(shù)據(jù)的描述,將原始的區(qū)間值時間序列轉(zhuǎn)換為粒時間序列和語義時間序列,使用人工神經(jīng)網(wǎng)絡(luò)中的多層感知機對粒時間序列進行訓(xùn)練,完成模型的構(gòu)建。模型的輸出是區(qū)間值數(shù)據(jù)關(guān)于信息粒的一組描述,通過分析與重構(gòu)可以獲得該組數(shù)據(jù)的語義信息預(yù)測結(jié)果與數(shù)值預(yù)測結(jié)果。一系列的實驗結(jié)果表明,根據(jù)本文方法構(gòu)建的區(qū)間值時間序列模型在具有良好的可解釋性的同時,在數(shù)值精度上也有一定的保證,兩方面信息的綜合使得預(yù)測結(jié)果更容易被用戶理解和認知,為用戶做出合理地決策提供了有效的支撐。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18;O211.61
【圖文】：

１９４３＿年在生理學(xué)家ＭｃＣｕｌｌｏｃｈ＇與數(shù)學(xué)家Ｐｉｔｔ神經(jīng)元Ｍ－Ｐ模型，這標志著人工神經(jīng)網(wǎng)絡(luò)以模擬生物神經(jīng)系統(tǒng)的工作與反應(yīng)。人工神神經(jīng)元的閾值、傳輸函數(shù)，連接神經(jīng)元邊程。經(jīng)過多年的發(fā)展，多種人工神經(jīng)網(wǎng)絡(luò)積神經(jīng)網(wǎng)絡(luò)等。逡逑模型如圖２．４所示。其中七為神經(jīng)元的輸入值。在這個神經(jīng)元模型中，輸入信號由其他行傳遞，由神經(jīng)元接收，總輸入值與神經(jīng)元元的輸出：逡逑｛邋ｎ邐＞逡逑ｙ邋＝邋ｆ＾邋ｏｊｆＸｉ邋－邋０Ｖ＾＝ｉ邐／逡逑有線性函數(shù)、階躍作用函數(shù)、Ｓｉｇｍｏｉｄ作用

是非參數(shù)估計器，可以用于分類和０歸，也可以實現(xiàn)非線性判別式。多層感知機的每層逡逑神經(jīng)元與下一層全互連，神經(jīng)元之間不存在同層與跨層連接。這種多層感知機的結(jié)構(gòu)逡逑通常被稱為“多層前饋神經(jīng)網(wǎng)絡(luò)（Ｍｕｌｔｉ－Ｌａｙｅｒ邋ｆｅｅｄｆｏｒｗａｒｄ邋ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋｓ．），如圖２．５所逡逑示。在多層感知機的結(jié)構(gòu)中，輸入層神經(jīng)元接收來自外界的輸入，隱層與輸出層神經(jīng)元逡逑對信號進行加工，輸出層神經(jīng)元輸出最終的結(jié)果。從神經(jīng)網(wǎng)絡(luò)的訓(xùn)練上來看》神經(jīng)網(wǎng)絡(luò)逡逑的學(xué)習過程，就是根據(jù)訓(xùn)練數(shù)據(jù)的情況來不斷調(diào)整各神經(jīng)元之間連接的權(quán)重以及每個功逡逑能神經(jīng)元的閾值。逡逑輸入節(jié)點邐隱節(jié)點邐輸出節(jié)點逡逑輸入層邐隱層邐輸出層逡逑圖２．邋５前向傳播過程逡逑Ｆｉｇ．邋２．５邋Ｔｈｅ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｆｏｒｗａｒｄ邋ｐｒｏｐａｇａｔｉｏｎ逡逑誤差逆?zhèn)鞑ィǎ澹颍颍铮颍拢幔悖耄校颍铮穑幔纾幔簦椋铮�，ＢＰ）是�?xùn)練多層感知機最成功的攀習算法之逡逑一，它是一種監(jiān)督學(xué)習方法，即通過標記的訓(xùn)練數(shù)據(jù)來對神經(jīng)網(wǎng)絡(luò)進行學(xué)習與訓(xùn)練。最逡逑初，yL經(jīng)元之間所有的權(quán)重都是隨機分配的。當訓(xùn)練數(shù)據(jù)集中的數(shù)據(jù)輸入到多層感知機逡逑中時，網(wǎng)絡(luò)中所有神經(jīng)元都被激活，并＾？觀察經(jīng)過計算后多層感知機輸出層的對應(yīng)輸逡逑出。這些輸出會和我們已知的、期望的輸出進行比較

邐１｝邋＾邋ｋａ１（４），ａ２（４），＊－－邋，ａｃ（４））＾｝邐（４．５）逡逑其中？邋＝邋２，３，—上為實現(xiàn)這種復(fù)雜的映射，此處引入了神經(jīng)網(wǎng)絡(luò)中的多層感知器ＭＬＰ逡逑來建立ｆ邋－邋１時刻與ｆ時刻團可信息粒表達之間的映射關(guān)系，如圖４．４所示。在該ＭＬＰ中，逡逑輸入是ｆ－１時刻區(qū)間基于語義概念集合的Q\0息粒表達，輸入層神經(jīng)元數(shù)目是語義概念逡逑集合中信息粒的數(shù)量Ｇ輸出是＾時刻區(qū)間的信息粒表達，輸出層神經(jīng)元數(shù)目也為ｃ。隱逡逑層神經(jīng)元數(shù)目的最優(yōu)值通過不斷地實驗和誤差分析確定。逡逑＿＿逡逑隱層逡逑圖４．４多層感知機ＭＬＰ的輸入與輸出逡逑Ｆｉｇ．邋４．４邋Ｉｎｐｕｔ邋ａｎｄ邋ｏｕｔｐｕｔ邋ｏｆ邋ＭＬＰ逡逑根據(jù)這個ＭＬＰ的體系結(jié)構(gòu)，原區(qū)間值時間序列的粒時間序列Ｇｘ可以構(gòu)建如式逡逑（４．５）形式的一系列輸入輸出對，用于訓(xùn)練ＭＬＰ，從而形成訓(xùn)練集＾訓(xùn)練集的每一對數(shù)逡逑據(jù)為：逡逑｛吣１，々如心毛’…“切逡逑其中ｒ邋＝邋２，３．…４。這個訓(xùn)練集被用于對ＭＬＰ進行有監(jiān)督的訓(xùn)練，訓(xùn)練的過程就是確逡逑定ＭＬＰ中各個層之間連接權(quán)重的過程。訓(xùn)練結(jié)束得到的ＭＬＰ可以較好地實現(xiàn)式（４．５）逡逑形式的映射關(guān)系。訓(xùn)練完成的ＭＬＰ與前兩步串聯(lián)，完成了模型預(yù)測部分的構(gòu)建。逡逑－２８邋－逡逑

【參考文獻】

相關(guān)期刊論文 前3條

1 鄧冠男;宋蓮蓮;姜妍麗;付景超;;區(qū)間值模糊集貼近度的構(gòu)造及應(yīng)用研究[J];數(shù)學(xué)的實踐與認識;2015年24期

2 聶淑媛;;時間序列分析的歷史發(fā)展[J];廣西民族大學(xué)學(xué)報(自然科學(xué)版);2012年01期

3 張鈴,張鈸;模糊商空間理論(模糊粒度計算方法)[J];軟件學(xué)報;2003年04期

相關(guān)博士學(xué)位論文 前3條

1 王威娜;基于模糊理論的時間序列預(yù)測研究[D];大連理工大學(xué);2016年

2 盧偉;基于粒計算的時間序列分析與建模方法研究[D];大連理工大學(xué);2015年

3 賈秀芳;基于粒計算模型的知識推理理論與方法[D];中國科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前5條

1 王媛媛;基于自適應(yīng)差分進化算法的堆石壩壩料參數(shù)反演分析及應(yīng)用[D];天津大學(xué);2017年

2 魏玉霞;差分進化算法的改進及其應(yīng)用[D];華南理工大學(xué);2013年

3 尤潔;我國股票市場流動性研究[D];西安科技大學(xué);2011年

4 張學(xué)謙;基于粒度計算的文本分類技術(shù)研究[D];河南工業(yè)大學(xué);2011年

5 安良;模糊理論及其在圖像分割中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2003年

本文編號：2752309