基于小波回声状态网络的混沌时间序列预测

宋彤; 李菡

doi:10.7498/aps.61.080506

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

摘要

混沌现象普遍存在于自然界及人类社会中,因此混沌时间序列预测具有重要意义. 提出了一种新的混沌时间序列预测模型小波回声状态网络,该模型可以有效克服传统回声状态网络模型中普遍存在的病态矩阵问题,提高了混沌时间序列预测精度.通过对Lorenz、含噪声Lorenz 及间歇式反应釜釜温三个时间序列的预测,将小波回声状态网络与传统回声状态网络进行了比较. 结果表明,小波回声状态网络与传统回声状态网络相比,预测精度提高一倍以上且预测结果更加稳定.

关键词:

作者及机构信息

宋彤,
李菡

1.
大连理工大学电子信息与电气工程学部, 大连 116023

参考文献

[1]	Wang Y S, Sun J, Wang C J, Fan H D 2008 Acta Phys. Sin. 57 6120 (in Chinese) [王永生, 孙瑾, 王昌金, 范洪达 2008 物理学报 57 6120]
[2]	Ma M, Li S 2010 Commer. Res. 403 10 (in Chinese) [马明, 李松 2010 商业研究 403 10]
[3]	Meng Q F, Peng Y H, Qu H J, Han M 2008 Acta Phys. Sin. 57 1423 (in Chinese) [孟庆芳, 彭玉华, 曲怀敬, 韩民 2008 物理学报 57 1423]
[4]	Li J, Liu J H 2005 Acta Phys. Sin. 54 4569 (in Chinese) [李军, 刘君华 2005 物理学报 54 4569]
[5]	Ma Q L, Zhen 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]
[6]	Yan H, Wei P, Xiao X C 2007 Acta Phys. Sin. 56 5111 (in Chinese) [闫华, 魏平, 肖先赐 2007 物理学报 56 5111]
[7]	Takens F 1981 Lecture Notes in Mathematics (Berlin: Springer-Verlag) pp366---381
[8]	Jaeger H, Haas H 2004 Science 304 78
[9]	Lukoševičius M, Jaeger H 2009 Comput. Sci. Rev. 3 127
[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]	Shi Z W, Han M 2007 Control Decis. 22 258 (in Chinese) [史志伟, 韩敏 2007 控制与决策 22 258]
[12]	Han M, Mu D Y 2010 Control Decis. 25 531 (in Chinese) [韩敏, 穆大芸 2010 控制与决策 25 531]
[13]	Jaeger H 2005 Proceedings of the International Joint Conference on Neural Networks (Montreal: IEEE) p1460
[14]	Xu C F, Li G K 2001 Practical Wavelet Method (Wuhan: Huazhong University of Science and Technology Press) pp75---78 (in Chinese) [徐长发, 李国宽 2001 实用小波方法(武汉:华中科技大学出版社) 第75---78页]
[15]	Jaeger H 2007 Scholarpedia 2 2330

施引文献

[1]	Wang Y S, Sun J, Wang C J, Fan H D 2008 Acta Phys. Sin. 57 6120 (in Chinese) [王永生, 孙瑾, 王昌金, 范洪达 2008 物理学报 57 6120]
[2]	Ma M, Li S 2010 Commer. Res. 403 10 (in Chinese) [马明, 李松 2010 商业研究 403 10]
[3]	Meng Q F, Peng Y H, Qu H J, Han M 2008 Acta Phys. Sin. 57 1423 (in Chinese) [孟庆芳, 彭玉华, 曲怀敬, 韩民 2008 物理学报 57 1423]
[4]	Li J, Liu J H 2005 Acta Phys. Sin. 54 4569 (in Chinese) [李军, 刘君华 2005 物理学报 54 4569]
[5]	Ma Q L, Zhen 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]
[6]	Yan H, Wei P, Xiao X C 2007 Acta Phys. Sin. 56 5111 (in Chinese) [闫华, 魏平, 肖先赐 2007 物理学报 56 5111]
[7]	Takens F 1981 Lecture Notes in Mathematics (Berlin: Springer-Verlag) pp366---381
[8]	Jaeger H, Haas H 2004 Science 304 78
[9]	Lukoševičius M, Jaeger H 2009 Comput. Sci. Rev. 3 127
[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]	Shi Z W, Han M 2007 Control Decis. 22 258 (in Chinese) [史志伟, 韩敏 2007 控制与决策 22 258]
[12]	Han M, Mu D Y 2010 Control Decis. 25 531 (in Chinese) [韩敏, 穆大芸 2010 控制与决策 25 531]
[13]	Jaeger H 2005 Proceedings of the International Joint Conference on Neural Networks (Montreal: IEEE) p1460
[14]	Xu C F, Li G K 2001 Practical Wavelet Method (Wuhan: Huazhong University of Science and Technology Press) pp75---78 (in Chinese) [徐长发, 李国宽 2001 实用小波方法(武汉:华中科技大学出版社) 第75---78页]
[15]	Jaeger H 2007 Scholarpedia 2 2330

[1]	韩敏, 史志伟, 郭伟. 储备池状态空间重构与混沌时间序列预测. 物理学报, 2007, 56(1): 43-50. doi: 10.7498/aps.56.43
[2]	李德才, 韩敏. 基于鲁棒回声状态网络的混沌时间序列预测研究. 物理学报, 2011, 60(10): 108903. doi: 10.7498/aps.60.108903
[3]	高新全, 董文杰, 龚志强, 邹明玮. 基于非线性时间序列分析经验模态分解和小波分解异同性的研究. 物理学报, 2005, 54(8): 3947-3957. doi: 10.7498/aps.54.3947
[4]	宋青松, 冯祖仁, 李人厚. 用于混沌时间序列预测的多簇回响状态网络. 物理学报, 2009, 58(7): 5057-5064. doi: 10.7498/aps.58.5057
[5]	雷明, 韩崇昭, 文小琴, 郭文艳. 非线性时间序列的小波分频预测. 物理学报, 2005, 54(5): 1988-1993. doi: 10.7498/aps.54.1988
[6]	唐舟进, 彭涛, 王文博. 一种基于相关分析的局域最小二乘支持向量机小尺度网络流量预测算法. 物理学报, 2014, 63(13): 130504. doi: 10.7498/aps.63.130504
[7]	胡玉霞, 高金峰. 一种预测混沌时间序列的模糊神经网络方法. 物理学报, 2005, 54(11): 5034-5038. doi: 10.7498/aps.54.5034
[8]	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. 物理学报, 2013, 62(12): 120510. doi: 10.7498/aps.62.120510
[9]	张勇, 关伟. 基于最大Lyapunov指数的多变量混沌时间序列预测. 物理学报, 2009, 58(2): 756-763. doi: 10.7498/aps.58.756
[10]	王新迎, 韩敏, 王亚楠. 含噪混沌时间序列预测误差分析. 物理学报, 2013, 62(5): 050504. doi: 10.7498/aps.62.050504
[11]	王新迎, 韩敏. 基于极端学习机的多变量混沌时间序列预测. 物理学报, 2012, 61(8): 080507. doi: 10.7498/aps.61.080507
[12]	王世元, 史春芬, 钱国兵, 王万里. 基于分数阶最大相关熵算法的混沌时间序列预测. 物理学报, 2018, 67(1): 018401. doi: 10.7498/aps.67.20171803
[13]	唐舟进, 任峰, 彭涛, 王文博. 基于迭代误差补偿的混沌时间序列最小二乘支持向量机预测算法. 物理学报, 2014, 63(5): 050505. doi: 10.7498/aps.63.050505
[14]	王永生, 孙瑾, 王昌金, 范洪达. 变参数混沌时间序列的神经网络预测研究. 物理学报, 2008, 57(10): 6120-6131. doi: 10.7498/aps.57.6120
[15]	修春波, 徐勐. 基于混沌算子网络的时间序列多步预测研究. 物理学报, 2010, 59(11): 7650-7656. doi: 10.7498/aps.59.7650
[16]	王耀南, 周少武, 刘祖润, 谭文. 混沌时间序列的模糊神经网络预测. 物理学报, 2003, 52(4): 795-801. doi: 10.7498/aps.52.795
[17]	于振华, 蔡远利. 基于在线小波支持向量回归的混沌时间序列预测. 物理学报, 2006, 55(4): 1659-1665. doi: 10.7498/aps.55.1659
[18]	李军, 刘君华. 一种新型广义RBF神经网络在混沌时间序列预测中的研究. 物理学报, 2005, 54(10): 4569-4577. doi: 10.7498/aps.54.4569
[19]	张军峰, 胡寿松. 基于一种新型聚类算法的RBF神经网络混沌时间序列预测. 物理学报, 2007, 56(2): 713-719. doi: 10.7498/aps.56.713
[20]	马千里, 郑启伦, 彭宏, 覃姜维. 基于模糊边界模块化神经网络的混沌时间序列预测. 物理学报, 2009, 58(3): 1410-1419. doi: 10.7498/aps.58.1410

引用本文:

Citation:

计量

文章访问数: 2561
PDF下载量: 1044
被引次数: 0

基于小波回声状态网络的混沌时间序列预测

1. 大连理工大学电子信息与电气工程学部, 大连 116023

收稿日期: 2011-07-13

修回日期: 2012-04-28

刊出日期: 2012-04-20

摘要: 混沌现象普遍存在于自然界及人类社会中,因此混沌时间序列预测具有重要意义. 提出了一种新的混沌时间序列预测模型小波回声状态网络,该模型可以有效克服传统回声状态网络模型中普遍存在的病态矩阵问题,提高了混沌时间序列预测精度.通过对Lorenz、含噪声Lorenz 及间歇式反应釜釜温三个时间序列的预测,将小波回声状态网络与传统回声状态网络进行了比较. 结果表明,小波回声状态网络与传统回声状态网络相比,预测精度提高一倍以上且预测结果更加稳定.

关键词:

全文HTML

参考文献 (15)

搜索

文章查询

留言板