發(fā)布時間：2017-05-26 12:08

  本文關鍵詞：基于P系統(tǒng)的電磁環(huán)境參數預測，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,隨著經濟與科技的迅速發(fā)展,電磁環(huán)境日趨復雜,準確預測電磁環(huán)境參數變化趨勢是頻譜管理的重要依據,可以幫助決策者做出最優(yōu)方案。根據已有研究成果分析,現(xiàn)有無線電監(jiān)測電磁環(huán)境的預測生成與可視化研究還處于研究初期,主要工作集中在特定戰(zhàn)場環(huán)境的電磁環(huán)境仿真與可視化研究,還沒有基于監(jiān)測數據的全景電磁環(huán)境預測生成與可視化的系統(tǒng)解決方案。為了克服現(xiàn)有技術的不足,提高無線電監(jiān)測智能化水平,掌握電磁環(huán)境參數的變化趨勢。本文將展開相關問題的研究,提出完整的算法與解決方案。本文的主要工作如下：(1)提出了一種基于P系統(tǒng)的混沌時間序列預測模型(P-LSSVM),該模型利用膜計算優(yōu)化算法對相空間重構中的參數(延時Υ和嵌入維m)和最小二乘支持向量機(LS-SVM)中的參數(懲罰因子γ和核參數σ)進行聯(lián)合優(yōu)化。并把P-LSSVM模型用在電磁環(huán)境參數預測中。(2)提出了一種基于FCM的模糊Markov預測模型(FCM Fuzzy-Markov)。該模型首先用FCM算法對時間序列進行模糊狀態(tài)劃分(每一個聚類中心代表一個狀態(tài)),其次利用隸屬函數,計算時間序列任一個時刻的值,關于各個模糊狀態(tài)的隸屬度向量及轉移概率。最后,將預測點的隸屬度向量作為權重,利用聚類中心計算預測值。并將FCM Fuzzy-Markov模型用在電磁環(huán)境參數預測中。(3) P-LSSVM模型與FCM Fuzzy-Markov模型比較分析,通過實驗發(fā)現(xiàn)對于混沌時間序列預測,P-LSSVM模型比FCM Fuzzy-Markov模型效果更優(yōu)。
【關鍵詞】：P系統(tǒng) 最小二乘支持向量機 混沌時間序列 電磁環(huán)境參數預測
【學位授予單位】：西華大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O211.61;TP18
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-13
• 1.1 研究背景及意義8-9
• 1.1.1 研究背景8-9
• 1.1.2 研究意義9
• 1.2 國內外研究現(xiàn)狀9-11
• 1.3 主要研究內容11-12
• 1.3.1 基于P系統(tǒng)的混沌時間序列預測模型(P-LSSVM)11
• 1.3.2 基于P-LSSVM模型的電磁環(huán)境參數預測11
• 1.3.3 基于FCM的模糊Markov預測模型(FCM Fuzzy-Markov)11
• 1.3.4 基于FCM Fuzzy-Markov模型的電磁環(huán)境參數預測11-12
• 1.3.5 P-LSSVM模型與FCM Fuzzy-Markov模型比較分析12
• 1.4 論文的框架12-13
• 2 預備知識13-18
• 2.1 膜計算概述13-14
• 2.2 相空間重構14
• 2.3 最小二乘支持向量機(LS-SVM)回歸14-15
• 2.4 FCM算法15-16
• 2.5 Markov預測模型16-18
• 3 基于P系統(tǒng)的混沌時間序列預測模型(P-LSSVM)18-40
• 3.1 引言18
• 3.2 細胞狀膜結構的建立及對象的生成18-19
• 3.3 適應度函數構造19
• 3.4 運算規(guī)則的選擇19-20
• 3.5 參數聯(lián)合優(yōu)化算法具體步驟20-21
• 3.6 基于P-LSSVM模型的電磁環(huán)境參數預測21-39
• 3.6.1 實驗數據來源21-22
• 3.6.2 數據預處理22-23
• 3.6.3 參比模型及評價標準23-24
• 3.6.4 實驗結果24-39
• 3.6.5 實驗結果分析39
• 3.7 小結39-40
• 4 基于FCM的模糊Markov預測模型(FCM Fuzzy-Markov)40-46
• 4.1 引言40
• 4.2 模糊狀態(tài)劃分40-41
• 4.3 計算轉移概率及轉移概率矩陣41
• 4.4 對未來時刻n+1做預測41-42
• 4.5 基于FCM Fuzzy-Markov模型的電磁環(huán)境參數預測42-45
• 4.5.1 實驗數據來源42-43
• 4.5.2 實驗結果43-45
• 4.5.3 實驗結果分析45
• 4.6 小結45-46
• 5 P-LSSVM模型與FCM Fuzzy-Markov模型比較實驗46-50
• 5.1 實驗數據來源46
• 5.2 實驗結果46-48
• 5.2.1 單步預測46-47
• 5.2.2 多步預測47-48
• 5.3 實驗結果分析48-49
• 5.4 小結49-50
• 6 總結與展望50-51
• 6.1 全文工作總結50
• 6.2 未來研究方向50-51
• 參考文獻51-55
• 攻讀碩士學位期間發(fā)表論文及科研成果55-56
• 發(fā)表的論文55
• 負責及參加的科研項目55-56
• 致謝56

【相似文獻】

中國期刊全文數據庫 前10條

1 施久玉,杜金觀;有限個狀態(tài)時間序列的某些結果[J];應用數學學報;1990年01期

2 馮希杰;長江三峽及其鄰區(qū)斷裂活動時間序列[J];華南地震;1991年02期

3 王霞,郭嗣琮,劉淑娟;時間序列模糊滑動預測[J];遼寧工程技術大學學報(自然科學版);1999年03期

4 溫品人;時間序列預測法的實際應用分析[J];江蘇廣播電視大學學報;2001年06期

5 許清海;混沌投資時間序列的嬗變[J];漳州師范學院學報(自然科學版);2003年01期

6 程毛林;時間序列系統(tǒng)建模預測的一種新方法[J];數學的實踐與認識;2004年08期

7 高潔;長記憶時間序列適應性預測的應用[J];江南大學學報;2004年05期

8 高潔;孫立新;;長記憶時間序列的適應性預測誤差的譜密度[J];統(tǒng)計與決策;2006年13期

9 楊鐘瑾;;淺談時間序列的分析預測[J];中國科技信息;2006年14期

10 李健;孫廣中;許胤龍;;基于時間序列的預測模型應用與異常檢測[J];計算機輔助工程;2006年02期

中國重要會議論文全文數據庫 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預報方法及其應用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學術年會論文集[C];1999年

2 馬培蓓;紀軍;;基于時間序列的航空備件消耗預測[A];中國系統(tǒng)工程學會決策科學專業(yè)委員會第六屆學術年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強;;基于線性模型方法對時間序列中異常值的檢測及證券實證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時間序列的投影尋蹤學習逼近[A];'99系統(tǒng)仿真技術及其應用學術交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時問序列的小波-模糊神經網絡集成預測方法[A];第十五屆中國管理科學學術年會論文集（下）[C];2013年

8 黃云貴;;基于時間序列的電網固定資產投資規(guī)模研究[A];2012年云南電力技術論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀數量經濟學（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數據的時間序列化[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

中國重要報紙全文數據庫 前6條

1 ;《時間序列與金融數據分析》[N];中國信息報;2004年

2 何德旭 王朝陽;時間序列計量經濟學：協(xié)整與有條件的異方差自回歸[N];中國社會科學院院報;2003年

3 劉俏;讓數據坦白真相[N];21世紀經濟報道;2003年

4 西南證券高級研究員 董先安邋德圣基金研究中心 郭奔宇;預計6月CPI同比上漲7.2%[N];證券時報;2008年

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

6 任勇邋鄭重;中國對世界鋼材價格的影響實證分析[N];現(xiàn)代物流報;2007年

中國博士學位論文全文數據庫 前10條

1 張墨謙;遙感時間序列數據的特征挖掘：在生態(tài)學中的應用[D];復旦大學;2014年

2 張德成;滑坡預測預報研究[D];昆明理工大學;2015年

3 苗圣法;時間序列的模式檢測[D];蘭州大學;2015年

4 翁同峰;時間序列與復雜網絡之間等價性問題及表征應用研究[D];哈爾濱工業(yè)大學;2015年

5 楊婷婷;用Argo浮標結合衛(wèi)星觀測估算北太平洋經向熱輸運[D];中國科學院研究生院(海洋研究所);2015年

6 王曉曄;時間序列數據挖掘中相似性和趨勢預測的研究[D];天津大學;2003年

7 李桂玲;時間序列的分割及不一致發(fā)現(xiàn)研究[D];華中科技大學;2012年

8 周勇;時間序列時序關聯(lián)規(guī)則挖掘研究[D];西南財經大學;2008年

9 張勇;時間序列模式匹配技術研究[D];華中科技大學;2012年

10 董曉莉;時間序列數據挖掘相似性度量和周期模式挖掘研究[D];天津大學;2007年

中國碩士學位論文全文數據庫 前10條

1 陳健;基于多變量相空間重構的投資組合策略研究[D];華南理工大學;2015年

2 蘭鑫;時間序列的復雜網絡轉換策略研究[D];西南大學;2015年

3 米曉將;區(qū)域尺度下月均氣溫的時空演化格局研究[D];昆明理工大學;2015年

4 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預測研究[D];南京信息工程大學;2015年

5 林健;基于改進小世界回聲狀態(tài)網的時間序列預測[D];渤海大學;2015年

6 曹智麗;日氣溫和干旱指數支持向量回歸預測方法[D];南京信息工程大學;2015年

7 高雄飛;基于分形理論的土壤含水量時間序列特性分析[D];長安大學;2015年

8 姚茜;城市安全生產發(fā)展目標研究[D];中國地質大學(北京);2015年

9 謝翠穎;蘇州社會消費品零售總額簡析[D];蘇州大學;2015年

10 包仁義;基于時間序列的搜索引擎評估模型算法研究[D];東北師范大學;2015年

  本文關鍵詞：基于P系統(tǒng)的電磁環(huán)境參數預測，由筆耕文化傳播整理發(fā)布。

本文編號：396754