基于深度信念網(wǎng)絡(luò)的時間序列預(yù)測研究
發(fā)布時間:2021-03-16 00:19
近年來,隨著物聯(lián)網(wǎng)系統(tǒng)和大數(shù)據(jù)技術(shù)的快速發(fā)展,使得時間序列的的收集變得簡單快捷,同時收集到的時間序列數(shù)據(jù)也變得數(shù)據(jù)量巨大、非線性程度很高、數(shù)據(jù)結(jié)構(gòu)復(fù)雜,傳統(tǒng)的時間序列分析已經(jīng)不能滿足這種復(fù)雜數(shù)據(jù)結(jié)構(gòu)的分析和預(yù)測,為了滿足高度非線性數(shù)據(jù)結(jié)構(gòu)的預(yù)測,新的預(yù)測模型的研究就顯得尤為重要。深度學(xué)習(xí)的出現(xiàn)給高度非線性的時間序列數(shù)據(jù)的分析預(yù)測帶來了希望,其中深度信念網(wǎng)絡(luò)(Deep Belief Network,DBN)有著強(qiáng)大的特征提取能力,對非線性的數(shù)據(jù)結(jié)構(gòu)有很強(qiáng)的處理能力,相較于傳統(tǒng)的建模方式,深度信念網(wǎng)絡(luò)能夠通過其提取到的特征通過“黑盒子”的方式建立原始數(shù)據(jù)的模型。近幾年深度信念網(wǎng)絡(luò)在圖像分類、語音識別等復(fù)雜的數(shù)據(jù)結(jié)構(gòu)方面的應(yīng)用已經(jīng)非常成熟,但在時間序列預(yù)測的應(yīng)用方面還屬于研究開發(fā)階段。本文針對時間序列的預(yù)測的建模問題提出了新的方法,對基于深度信念網(wǎng)絡(luò)(DBN)的時間序列預(yù)測方法進(jìn)行了研究。本文將回聲狀態(tài)網(wǎng)絡(luò)(Echo State Network,ESN)應(yīng)用于DBN的決策層,用來預(yù)測時間序列。同時由于DBN和ESN均屬于神經(jīng)網(wǎng)絡(luò),其網(wǎng)絡(luò)參數(shù)較多而且對網(wǎng)絡(luò)的預(yù)測結(jié)果影響較大,因此本文應(yīng)用具有全...
【文章來源】:西安理工大學(xué)陜西省
【文章頁數(shù)】:58 頁
【學(xué)位級別】:碩士
【部分圖文】:
深度學(xué)習(xí)框架
稀疏自編碼器結(jié)構(gòu)圖
常用非線性激活函數(shù)
【參考文獻(xiàn)】:
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇方法的Mackey-Glass與Lorenz混沌時間序列預(yù)測建模[J]. 邵海見,鄧星. 江蘇科技大學(xué)學(xué)報(自然科學(xué)版). 2018(05)
[2]基于均衡KNN算法的電力負(fù)荷短期并行預(yù)測[J]. 林芳,林焱,呂憲龍,程新功,張慧瑜,陳伯建. 中國電力. 2018(10)
[3]基于DBN的金融時序數(shù)據(jù)建模與決策[J]. 曾志平,蕭海東,張新鵬. 計算機(jī)技術(shù)與發(fā)展. 2017(04)
[4]基于深度學(xué)習(xí)的短時交通流預(yù)測[J]. 羅向龍,焦琴琴,牛力瑤,孫壯文. 計算機(jī)應(yīng)用研究. 2017(01)
[5]基于深度學(xué)習(xí)的手繪草圖識別[J]. 趙鵬,王斐,劉慧婷,姚晟. 四川大學(xué)學(xué)報(工程科學(xué)版). 2016(03)
[6]基于對比散度-受限玻爾茲曼機(jī)深度學(xué)習(xí)的產(chǎn)品評論情感分析[J]. 高琰,陳白帆,晁緒耀,毛芳. 計算機(jī)應(yīng)用. 2016(04)
[7]深度卷積神經(jīng)網(wǎng)絡(luò)在計算機(jī)視覺中的應(yīng)用研究綜述[J]. 盧宏濤,張秦川. 數(shù)據(jù)采集與處理. 2016(01)
[8]基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的孤立詞語音識別的研究[J]. 王山海,景新幸,楊海燕. 計算機(jī)應(yīng)用研究. 2015(08)
[9]基于時間序列分析的滑坡位移預(yù)測模型研究[J]. 徐峰,汪洋,杜娟,葉疆. 巖石力學(xué)與工程學(xué)報. 2011(04)
[10]基于回聲狀態(tài)網(wǎng)絡(luò)的時間序列預(yù)測方法研究[J]. 彭宇,王建民,彭喜元. 電子學(xué)報. 2010(S1)
博士論文
[1]時間序列相似性與預(yù)測算法研究及其應(yīng)用[D]. 閆明月.北京交通大學(xué) 2014
[2]支持向量機(jī)學(xué)習(xí)算法的若干問題研究[D]. 王磊.電子科技大學(xué) 2007
本文編號:3085073
【文章來源】:西安理工大學(xué)陜西省
【文章頁數(shù)】:58 頁
【學(xué)位級別】:碩士
【部分圖文】:
深度學(xué)習(xí)框架
稀疏自編碼器結(jié)構(gòu)圖
常用非線性激活函數(shù)
【參考文獻(xiàn)】:
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇方法的Mackey-Glass與Lorenz混沌時間序列預(yù)測建模[J]. 邵海見,鄧星. 江蘇科技大學(xué)學(xué)報(自然科學(xué)版). 2018(05)
[2]基于均衡KNN算法的電力負(fù)荷短期并行預(yù)測[J]. 林芳,林焱,呂憲龍,程新功,張慧瑜,陳伯建. 中國電力. 2018(10)
[3]基于DBN的金融時序數(shù)據(jù)建模與決策[J]. 曾志平,蕭海東,張新鵬. 計算機(jī)技術(shù)與發(fā)展. 2017(04)
[4]基于深度學(xué)習(xí)的短時交通流預(yù)測[J]. 羅向龍,焦琴琴,牛力瑤,孫壯文. 計算機(jī)應(yīng)用研究. 2017(01)
[5]基于深度學(xué)習(xí)的手繪草圖識別[J]. 趙鵬,王斐,劉慧婷,姚晟. 四川大學(xué)學(xué)報(工程科學(xué)版). 2016(03)
[6]基于對比散度-受限玻爾茲曼機(jī)深度學(xué)習(xí)的產(chǎn)品評論情感分析[J]. 高琰,陳白帆,晁緒耀,毛芳. 計算機(jī)應(yīng)用. 2016(04)
[7]深度卷積神經(jīng)網(wǎng)絡(luò)在計算機(jī)視覺中的應(yīng)用研究綜述[J]. 盧宏濤,張秦川. 數(shù)據(jù)采集與處理. 2016(01)
[8]基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的孤立詞語音識別的研究[J]. 王山海,景新幸,楊海燕. 計算機(jī)應(yīng)用研究. 2015(08)
[9]基于時間序列分析的滑坡位移預(yù)測模型研究[J]. 徐峰,汪洋,杜娟,葉疆. 巖石力學(xué)與工程學(xué)報. 2011(04)
[10]基于回聲狀態(tài)網(wǎng)絡(luò)的時間序列預(yù)測方法研究[J]. 彭宇,王建民,彭喜元. 電子學(xué)報. 2010(S1)
博士論文
[1]時間序列相似性與預(yù)測算法研究及其應(yīng)用[D]. 閆明月.北京交通大學(xué) 2014
[2]支持向量機(jī)學(xué)習(xí)算法的若干問題研究[D]. 王磊.電子科技大學(xué) 2007
本文編號:3085073
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3085073.html
最近更新
教材專著