本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)的模糊時間序列預(yù)測，由筆耕文化傳播整理發(fā)布。

【摘要】：時間序列指的是在不同時間點上收集到的反映某一事物、現(xiàn)象等隨時間變化的數(shù)據(jù)的集合。通過對這一系列數(shù)據(jù)的研究,我們能找到隱含在數(shù)據(jù)背后的規(guī)律,從而對現(xiàn)實進(jìn)行建模分析并解決相關(guān)領(lǐng)域中的問題。時間序列預(yù)測是通過已觀測到的數(shù)據(jù)來預(yù)測未來,使決策者具有高瞻遠(yuǎn)矚的能力,從而做出更好的決策,因此具有很重要的意義。模糊時間序列是通過將時間序列的數(shù)據(jù)模糊化而得到的,它借助了模糊的概念使單個的數(shù)據(jù)點聚集成一個個具有語義表示的類,然后通過對這些類進(jìn)行建模分析來做預(yù)測。模糊時間序列預(yù)測的一般過程是：(1)劃分論域；(2)形成模糊集,對數(shù)據(jù)模糊化；(3)提取模糊邏輯關(guān)系；(4)預(yù)測,去模糊化。本文通過對論域劃分的方法進(jìn)行研究,應(yīng)用了基于模糊C均值聚類和基于信息粒的這兩種論域劃分的方法,然后再分別和BP神經(jīng)網(wǎng)絡(luò)這一預(yù)測方法進(jìn)行結(jié)合,給出了兩種組合的預(yù)測模型。本文中的第一種預(yù)測模型首先用模糊C均值聚類算法對傳統(tǒng)均分的論域劃分進(jìn)行改進(jìn),該算法通過使所有數(shù)據(jù)點對于模糊集的隸屬度之和最大得到聚類中心,然后求得相鄰聚類中心的中點值作為子區(qū)間的邊界得到非等長的論域劃分結(jié)果,再在這些子區(qū)間上建立模糊集,從而將數(shù)值表示的數(shù)據(jù)模糊化,得到模糊時間序列。通過提取二階的模糊邏輯關(guān)系得到訓(xùn)練數(shù)據(jù),用這些訓(xùn)練數(shù)據(jù)來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò),從而使網(wǎng)絡(luò)具有了分類的能力,然后用訓(xùn)練之后的網(wǎng)絡(luò)來預(yù)測下一時刻數(shù)據(jù)所屬的模糊集,通過去模糊化得到預(yù)測值。最后,以臺灣加權(quán)股指數(shù)據(jù)(TAIEX)為例,與已有模型進(jìn)行均方根誤差比較來檢驗所提模型的有效性。本文中的第二種預(yù)測模型用信息粒的思想來進(jìn)一步改進(jìn)論域劃分方法。信息粒可以在不同的維度上展現(xiàn)數(shù)據(jù),使數(shù)據(jù)中隱藏的規(guī)律更好的被發(fā)現(xiàn),在這個觀點的啟發(fā)下,我們應(yīng)用基于信息粒的論域劃分方法,該方法先對整個時間序列用模糊C均值聚類得到聚類中心,然后根據(jù)相鄰聚類中心的中點值建立起子區(qū)間,再在這些子區(qū)間上構(gòu)造適當(dāng)粒度大小的信息粒,最后通過這些信息粒計算得到論域劃分之后的區(qū)間。劃分論域之后,我們采用和第一種預(yù)測模型相同的建模過程,在相同的數(shù)據(jù)集上做實驗得到的預(yù)測準(zhǔn)確度再一次得到提高,證明了該組合模型的有效性。
【關(guān)鍵詞】：模糊時間序列 信息粒 BP神經(jīng)網(wǎng)絡(luò) 模糊C均值聚類
【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】：2016
【分類號】：TP183;O211.61
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-16
• 1.1 研究背景及意義8-9
• 1.2 模糊時間序列模型及預(yù)測9-14
• 1.2.1 模糊時間序列模型11-12
• 1.2.2 模糊時間序列預(yù)測12-14
• 1.3 本文的主要內(nèi)容14-16
• 2 信息粒和反向傳播神經(jīng)網(wǎng)絡(luò)簡介16-27
• 2.1 信息粒簡介16-24
• 2.1.1 信息粒的概念19-20
• 2.1.2 信息�；椒�20-21
• 2.1.3 時間序列的信息粒化21-24
• 2.2 反向傳播神經(jīng)網(wǎng)絡(luò)24-27
• 2.2.1 反向傳播神經(jīng)網(wǎng)絡(luò)的概念24-25
• 2.2.2 反向傳播神經(jīng)網(wǎng)絡(luò)的建模過程25-27
• 3 基于模糊C均值聚類和BP神經(jīng)網(wǎng)絡(luò)的模糊時間序列預(yù)測27-36
• 3.1 模糊C均值聚類簡介27-29
• 3.1.1 模糊C均值聚類的理論知識27-28
• 3.1.2 基于模糊C均值聚類的論域劃分28-29
• 3.2 實驗步驟和結(jié)果展示29-36
• 4 基于信息粒和BP神經(jīng)網(wǎng)絡(luò)的模糊時間序列預(yù)測36-44
• 4.1 基于信息粒的論域劃分36-37
• 4.2 實驗步驟和結(jié)果展示37-44
• 結(jié)論44-45
• 參考文獻(xiàn)45-48
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況48-49
• 致謝49-50

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳鵬;劉振;陳月輝;;基于神經(jīng)樹的時間序列預(yù)測[J];山東科學(xué);2007年01期

2 沈浩;鄧夢曦;;預(yù)則立——時間序列預(yù)測技術(shù)之廣電業(yè)務(wù)應(yīng)用[J];中國數(shù)字電視;2011年10期

3 許繼平;劉載文;那靖;;司法消噪與多技術(shù)融合的時間序列預(yù)測[J];計算機工程與應(yīng)用;2010年24期

4 王剛,胡德文;基于時間序列預(yù)測的獨立分量排序[J];國防科技大學(xué)學(xué)報;2005年05期

5 楊久婷;張海望;;基于小波分解與自回歸樹的時間序列預(yù)測新方法[J];科技信息;2009年31期

6 張弦;王宏力;;具有選擇與遺忘機制的極端學(xué)習(xí)機在時間序列預(yù)測中的應(yīng)用[J];物理學(xué)報;2011年08期

7 邢蕾;;基于小波分析時間序列預(yù)測技術(shù)進(jìn)展[J];吉林金融研究;2009年04期

8 肖凡;馬捷中;任嵐昆;;基于小波分析與支持向量機的時間序列預(yù)測[J];航空計算技術(shù);2011年06期

9 楊玫;趙秀麗;劉瑜;;時間序列預(yù)測問題中小波分解的應(yīng)用研究[J];信息技術(shù)與信息化;2011年02期

10 丁紅;武招云;龔若愚;廖文凱;;小波分析在徑流時間序列預(yù)測的應(yīng)用[J];柳州師專學(xué)報;2012年03期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 陳宇;唐常杰;鐘義嘯;段磊;喬少杰;普東航;;基于基因表達(dá)式編程和時變強度的時間序列預(yù)測[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 王亮;鐘登華;葛曉冬;;預(yù)測方法綜述[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

3 尤華;王建東;;機場噪聲的時間序列預(yù)測[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國通信學(xué)會學(xué)術(shù)年會論文集[C];2011年

4 王棟;陳勇;徐建良;;基于預(yù)測的BitTorrent種子評估方法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5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 張冬青;非線性非高斯時間序列預(yù)測研究[D];南京航空航天大學(xué);2008年

3 劉大同;基于Online SVR的在線時間序列預(yù)測方法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

4 熊濤;基于EMD的時間序列預(yù)測混合建模技術(shù)及其應(yīng)用研究[D];華中科技大學(xué);2014年

5 王軍;基于局部模型的時間序列預(yù)測方法研究[D];哈爾濱工業(yè)大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳詩語;基于網(wǎng)絡(luò)的時間序列預(yù)測[D];西南大學(xué);2015年

2 黃杰;SOM在時間序列預(yù)測中的應(yīng)用研究[D];蘭州交通大學(xué);2015年

3 胡海峰;泄漏積分型回聲狀態(tài)網(wǎng)的優(yōu)化及其在時間序列預(yù)測中的應(yīng)用[D];渤海大學(xué);2016年

4 朱成璋;基于機器學(xué)習(xí)的時間序列預(yù)測關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

5 顧蘭蘭;基于BP神經(jīng)網(wǎng)絡(luò)的模糊時間序列預(yù)測[D];大連理工大學(xué);2016年

6 侯效永;多尺度時間序列預(yù)測[D];蘇州大學(xué);2013年

7 王麗賢;時間序列預(yù)測技術(shù)研究[D];天津理工大學(xué);2012年

8 王權(quán);基于選擇策略的時間序列預(yù)測研究[D];南京航空航天大學(xué);2011年

9 宋玉強;人工神經(jīng)網(wǎng)絡(luò)在時間序列預(yù)測中的應(yīng)用研究[D];西安建筑科技大學(xué);2005年

10 張慧;自適應(yīng)模糊時間序列預(yù)測模型的研究[D];大連海事大學(xué);2012年

  本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)的模糊時間序列預(yù)測，由筆耕文化傳播整理發(fā)布。

，

本文編號：509481