学位论文 > 优秀研究生学位论文题录展示

时间序列RBF分工协作预测模型及其计算机系统设计

作　者: 郭穗勋
导　师: 印鉴
学　校: 中山大学
专　业: 软件工程
关键词: 时间序列径向基函数网络分工协作预测模型预测
分类号: TP183
类　型: 硕士论文
年　份: 2011年
下　载: 36次
引　用: 0次
阅　读: 论文下载

内容摘要

时间序列分析是一种对随机数据序列进行分析并建立其数学模型的数据分析方法,在经济、金融等许多领域具有广泛的应用。目前线性时间序列模型如自回归(Auto-Regressive Model,AR)、滑动平均(Moving Average Model,MA)和自回归滑动平均(Auto-Regressive and Moving Average Model,ARMA)等模型的分析方法比较完善,已建立了许多时间序列分析计算机软件。但对非线性时间序列模型分析方法进展不大,特别是对高阶模型,现有分析方法效率不高。应用人工神经网络技术建立时间序列模型特别是非线性时间序列模型已成为研究的热点。由于径向基函数网络(Radial Basis Function Network,RBF)结构简单、收敛速度快,特别是具有出色的非线性逼近能力,近年来在时间序列模型中应用十分成功。本文建立时间序列RBF分工协作预测模型(Divide-and-Cooperate Forecasting Model,DCFM)及其计算机系统,主要工作如下:1.提出时间序列RBF寻阶方法。建立基于训练均方误差最小准则的时间序列寻阶方法。2.建立时间序列RBF分工协作预测模型。对一类变量可分离时间序列模型的输入变量进行分解并构建基于RBF的分工协作模型,该模型对阶数较高的时间序列具有很好的逼近能力。3.设计时间序列分工协作预测模型的计算机系统。

全文目录

摘要  3-4
ABSTRACT  4-6
第一章前言  6-15
  1.1 时间序列预测模型  6-9
  1.2 时间序列预测研究现状  9-10
  1.3 人工神经网络  10-14
  1.4 本文研究主要内容及其创新之处  14-15
第二章均方误差最小化的时间序列 RBF 寻阶方法  15-19
  2.1 均方差最小化时间序列寻阶基本思想  15-16
  2.2 均方差最小化时间序列寻阶实验  16-19
第三章时间序列的 RBF 分工协作预测模型  19-25
  3.1 变量可分离的时间序列模型  19
  3.2 时间序列分工协作预测模型  19-22
  3.3 DCFM 在长自回归时间序列模型中的应用实验  22-25
第四章基于 DCFM 的计算机应用系统设计  25-42
  4.1 系统需求  25-27
  4.2 系统可行性  27
  4.3 系统设计  27-31
  4.4 系统实现  31-37
  4.5 系统测试  37-41
  4.6 总结  41-42
参考文献  42-45
附录攻读学位期间发表的论文  45-46
后记  46

时间序列RBF分工协作预测模型及其计算机系统设计

内容摘要

全文目录

相似论文