搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于误差补偿的多元混沌时间序列混合预测模型

韩敏 许美玲

一种基于误差补偿的多元混沌时间序列混合预测模型

韩敏, 许美玲
PDF
导出引用
导出核心图
  • 针对多元混沌时间序列的预测问题, 考虑到单纯改进储备池算法无法明显地提高预测精度, 提出一种基于误差补偿的时间序列混合预测模型. 实际观测的数据既包含线性特征又包含非线性特征. 首先利用自回归移动平均模型预测线性特征, 使得残差数据仅含非线性特征; 然后, 建立正则化回声状态网络模型预测; 最后, 将非线性部分的预测值与线性部分的预测值相加, 以实现高精度的多元混沌时间序列预测. 基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性.
    • 基金项目: 国家自然科学基金(批准号: 61074096)资助的课题.
    [1]

    Xiu C B, Xu M 2010 Acta Phys. Sin. 59 7650 (in Chinese) [修春波, 徐勐 2010 物理学报 59 7650]

    [2]

    Zhang J S, Xiao X C 2000 Acta Phys. Sin. 49 403 (in Chinese) [张家树, 肖先赐 2000 物理学报 49 403]

    [3]

    Rojas I, Valenzuela O, Rojas F, Guillen A, Herrera L J, Pomares H, Marquez L, Pasadas M 2008 Neurocomputing 71 519

    [4]

    Chattopadhyay S, Jhajharia D, Chattopadhyay G 2011 C. R. Geosci. 343 433

    [5]

    Cao F L, Xu Z B 2004 Sci. China E 34 361 (in Chinese) [曹飞龙, 徐宗本 2004 中国科学: E辑 34 361]

    [6]

    Buonomano D V 2009 Neuron 63 423

    [7]

    Ma Q L, Zheng Q L, Peng H, Qin J W 2009 Acta Phys. Sin. 58 1410 (in Chinese) [马千里, 郑启伦, 彭宏, 覃姜维 2009 物理学报 58 1410]

    [8]

    Zhang X, Wang H L 2011 Acta Phys. Sin. 60 110201 (in Chinese) [张弦, 王宏力 2011 物理学报 60 110201]

    [9]

    Jaeger H, Haas H 2004 Science 304 78

    [10]

    Song Q S, Feng Z R, Li R H 2009 Acta Phys. Sin. 58 5057 (in Chinese) [宋青松, 冯祖仁, 李人厚 2009 物理学报 58 5057]

    [11]

    Dutoit X, Schrauwen B, Campenhout J V, Stroobandt D, Brussel H V, Nuttin M 2009 Neurocomputing 72 1534

    [12]

    Zhang G P 2003 Neurocomputing 50 159

    [13]

    Seghouane A K 2011 IEEE Trans. Aerosp. Electron. Syst. 47 1154

    [14]

    Shi Z W, Han M 2007 IEEE Trans. Neural Netw. 18 359

    [15]

    Chatzis S P, Demiris Y 2011 IEEE Trans. Neural Netw. 22 1435

  • [1]

    Xiu C B, Xu M 2010 Acta Phys. Sin. 59 7650 (in Chinese) [修春波, 徐勐 2010 物理学报 59 7650]

    [2]

    Zhang J S, Xiao X C 2000 Acta Phys. Sin. 49 403 (in Chinese) [张家树, 肖先赐 2000 物理学报 49 403]

    [3]

    Rojas I, Valenzuela O, Rojas F, Guillen A, Herrera L J, Pomares H, Marquez L, Pasadas M 2008 Neurocomputing 71 519

    [4]

    Chattopadhyay S, Jhajharia D, Chattopadhyay G 2011 C. R. Geosci. 343 433

    [5]

    Cao F L, Xu Z B 2004 Sci. China E 34 361 (in Chinese) [曹飞龙, 徐宗本 2004 中国科学: E辑 34 361]

    [6]

    Buonomano D V 2009 Neuron 63 423

    [7]

    Ma Q L, Zheng Q L, Peng H, Qin J W 2009 Acta Phys. Sin. 58 1410 (in Chinese) [马千里, 郑启伦, 彭宏, 覃姜维 2009 物理学报 58 1410]

    [8]

    Zhang X, Wang H L 2011 Acta Phys. Sin. 60 110201 (in Chinese) [张弦, 王宏力 2011 物理学报 60 110201]

    [9]

    Jaeger H, Haas H 2004 Science 304 78

    [10]

    Song Q S, Feng Z R, Li R H 2009 Acta Phys. Sin. 58 5057 (in Chinese) [宋青松, 冯祖仁, 李人厚 2009 物理学报 58 5057]

    [11]

    Dutoit X, Schrauwen B, Campenhout J V, Stroobandt D, Brussel H V, Nuttin M 2009 Neurocomputing 72 1534

    [12]

    Zhang G P 2003 Neurocomputing 50 159

    [13]

    Seghouane A K 2011 IEEE Trans. Aerosp. Electron. Syst. 47 1154

    [14]

    Shi Z W, Han M 2007 IEEE Trans. Neural Netw. 18 359

    [15]

    Chatzis S P, Demiris Y 2011 IEEE Trans. Neural Netw. 22 1435

  • 引用本文:
    Citation:
计量
  • 文章访问数:  1150
  • PDF下载量:  761
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-11-05
  • 修回日期:  2013-02-16
  • 刊出日期:  2013-06-05

一种基于误差补偿的多元混沌时间序列混合预测模型

  • 1. 大连理工大学电子信息与电气工程学部, 大连 116023
    基金项目: 

    国家自然科学基金(批准号: 61074096)资助的课题.

摘要: 针对多元混沌时间序列的预测问题, 考虑到单纯改进储备池算法无法明显地提高预测精度, 提出一种基于误差补偿的时间序列混合预测模型. 实际观测的数据既包含线性特征又包含非线性特征. 首先利用自回归移动平均模型预测线性特征, 使得残差数据仅含非线性特征; 然后, 建立正则化回声状态网络模型预测; 最后, 将非线性部分的预测值与线性部分的预测值相加, 以实现高精度的多元混沌时间序列预测. 基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性.

English Abstract

参考文献 (15)

目录

    /

    返回文章
    返回