学位论文 > 优秀研究生学位论文题录展示
非平稳时间序列的预测方法研究
作 者: 张万宏
导 师: 王晓兰
学 校: 兰州理工大学
专 业: 控制理论与控制工程
关键词: 小波变换 非平稳时间序列 最小二乘支持向量机 自回归 预测
分类号: TP18
类 型: 硕士论文
年 份: 2007年
下 载: 707次
引 用: 11次
阅 读: 论文下载
内容摘要
材料形成过程是一个极其复杂的动力学过程,对其进行机理建模耗时又难以保证准确性,本研究将材料科学与信息科学技术结合,把材料演变过程的外部特征看成非平稳过程,以非晶材料晶化过程动态为对象,研究材料形成过程的复杂动态建模和材料性质的预测方法。对于非平稳时间序列预测,除了模型的选择外,关键取决于如何提取时间序列中的低频和高频成分并对其建模,以及如何避免对高频信息的过拟合。为了解决这类非平稳时间序列的预测问题,考虑到二进正交小波分解对非平稳性时间序列的适应性、对低频的分离作用及支持向量机的较好的泛化能力,本文对统计学习理论框架下的支持向量机和具有“数字显微镜”之美誉的小波变换进行了深入的探究,并将其应用到非平稳时间序列预测的研究中,仿真实例表明,小波变换是非平稳时间序列时频分析的有效工具;最小二乘支持向量机能够较好地解决小样本、过学习、高维数、局部最小、收敛速度慢等问题,并且具有很强的泛化(预测)能力。针对均值具有趋向性的非平稳时间序列固有的确定性、非线性和波动性,提出了一种基于二进正交小波变换和AR-LSSVM方法的非平稳时间序列预测方案。首先利用Mallat算法对非平稳时间序列进行分解和重构,分离出非平稳时间序列中的低频信息和高频信息,然后对高频信息构建自回归模型,而对低频信息则利用最小二乘支持向量机进行拟合,最后将各模型的预测结果叠加,从而得到原始序列的预测值。在非晶材料晶化电特性预测及金融上证指数预测应用中表明,该方法不仅能够充分拟合低频信息,而且能够避免对高频信息的过拟合,是这类非平稳时间序列的有效预测方法。
|
全文目录
摘要 7-8 Abstract 8-9 插图索引 9-10 附表索引 10-11 第1章 绪论 11-17 1.1 引言 11-12 1.2 研究背景 12-13 1.3 研究现状 13-14 1.4 研究意义 14-15 1.5 研究内容 15-16 1.6 本文构思 16-17 第2章 非平稳时间序列分析 17-32 2.1 时间序列概述 17-19 2.1.1 基本数学知识 17-19 2.1.2 时间序列预测 19 2.2 平稳时间序列分析方法 19-27 2.2.1 平稳时间序列 19-21 2.2.2 平稳时间序列模型 21-23 2.2.3 平稳时间序列模型的特性 23-26 2.2.4 平稳时间序列模型建立 26-27 2.3 非平稳时间序列分析方法 27-30 2.3.1 非平稳时间序列 27-28 2.3.2 非平稳时间序列检验 28 2.3.3 常用的平稳化的方法 28-29 2.3.4 齐次非平稳序列模型 29-30 2.3.5 非平稳时间序列的组合模型 30 2.4 结论 30-32 第3章 基于小波变换的非平稳时间序列分析方法研究 32-45 3.1 小波概论 32-35 3.1.1 小波的发展及应用 32-33 3.1.2 小波的定义 33-35 3.2 小波变换 35-41 3.2.1 小波及小波变换原理 35-40 3.2.2 多尺度分析 40-41 3.3 Mallat算法的非平稳时间序列分析 41-44 3.3.1 二进正交小波变换Mallat算法原理 41-42 3.3.2 Mallat算法非平稳时间序列分解与重构 42-44 3.4 结论 44-45 第4章 基于LSSVM的非平稳时间序列预测方法研究 45-66 4.1 机器学习概论 45-47 4.1.1 机器学习 45-46 4.1.2 经验风险最小化原理及其局限性 46-47 4.2 统计学习理论 47-50 4.2.1 概论 47-48 4.2.2 VC维 48 4.2.3 推广性的界 48-49 4.2.4 结构风险最小化 49-50 4.3 支持向量机 50-56 4.3.1 支持向量机的发展及应用 50-51 4.3.2 支持向量机的基本原理 51-53 4.3.3 支持向量机的核函数 53-56 4.4 最小二乘支持向量机 56-58 4.4.1 支持向量机的改进 56-57 4.4.2 最小二乘支持向量机基本原理 57-58 4.5 基于LSSVM的非平稳时间序列预测方法 58-65 4.5.1 建立训练样本集 58-59 4.5.2 核函数的选取及参数的确定 59-60 4.5.3 预测性能指标 60-61 4.5.4 基于LSSVM预测仿真试验 61-65 4.6 结论 65-66 第5章 基于小波变换和AR-LSSVM的非平稳时间序列预测方法研究 66-74 5.1 方法概论 66 5.2 基于Mallat算法的AR-LSSVM预测方法 66-69 5.2.1 方案构思 66-67 5.2.2 算法原理 67-69 5.3 基于小波变换和AR-LSSVM的上证指数时间序列预测 69-71 5.4 基于小波变换和AR-LSSVM的晶化电特性时间序列预测 71-73 5.5 结论 73-74 结论与展望 74-76 参考文献 76-80 致谢 80-81 附录A 攻读学位期间所发表的学术论文目录 81-82 附录B 数据资料 82-86 B1.1 Nasdaq金融市场的上证综合指数日收盘价格数据 82-84 B1.2 非晶材料晶化过程电特性测试数据 84-86
|
相似论文
- K公司计划及预测改进对于合理库存配置的研究,F224
- 基于图的标志SNP位点选择算法研究,Q78
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 液力减速器制动性能及用于飞机拦阻的仿真研究,TH137.331
- 深空撞击探测末制导律的设计与分析,V448.2
- 卫星姿态的磁控制方法研究,V448.222
- Hall推进器寿命预测和壁面侵蚀加速实验研究,V439.2
- 高精度激光跟踪装置闭环控制若干关键问题研究,TN249
- 网络语音传输丢包的恢复技术,TN912.3
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 网络化系统的鲁棒模型预测控制,TP273
- 硝酸钠制配过程中pH值的预测控制及仿真研究,TP273
- 离散非线性系统输入到状态稳定性研究,TP13
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 山西省人口中长期发展变化趋势预测,O212.1
- 云南省勐腊县南坡铜矿床成矿规律与成矿预测研究,P618.41
- 计算智能在数字化卷烟叶组配方中的应用研究,TS44
- 地州级卷烟销量预测影响因素研究,F224
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|