学位论文 > 优秀研究生学位论文题录展示
基于递归神经网络与集成算法的时间序列预测应用研究
作 者: 尹汉钊
导 师: 方敏
学 校: 西安电子科技大学
专 业: 计算机应用技术
关键词: 时间序列预测 递归神经网络 集成学习算法 AdaBoost 小波变换
分类号: TP183
类 型: 硕士论文
年 份: 2010年
下 载: 96次
引 用: 1次
阅 读: 论文下载
内容摘要
时间序列预测是时间序列分析的应用之一,通过对大量的观测数据进行分析,能够预测出数据在未来的发展趋势,以便对将要发生的事件进行控制。传统的时间序列分析是从纯数学的角度出发对数据进行分析,但是由于实际应用中的时间序列具有不规则、混沌等非线性特征,所以很难对系统建立理想的模型。人工神经网络具有自组织、自学习以及非线性逼近能力,所以将人工神经网络用于时间序列预测能得到一个理想的预测模型。本文首先介绍了时间序列预测的基本概念、方法、分类以及预测模型,并在研究小波变换用于时间序列消噪的同时,着重分析了人工神经网络模型及其用于时间序列的优点;然后针对人工神经网络结构种类多的特点,重点研究了递归神经网络,接着实现了一个用于时间序列预测的递归神经网络模型,并用太阳黑子数据集对递归神经网络模型进行测试实验,再与BP神经网络模型实验结果进行对比;在此基础上,研究了AdaBoost集成学习算法在时间序列预测中的应用,实现一个以递归神经网络模型为基预测模型的集成预测模型的性能,并用太阳黑子数据集对其进行测试,分析不同集成度下集成预测模型。最后,用隧道烟雾浓度的数据集对集成预测模型进行测试,并将预测数据的烟雾浓度等级与真实数据的烟雾浓度等级进行对比,验证集成预测模型的可行性;实验表明,集成预测模型可以用于隧道烟雾浓度等级的预测,为隧道安全控制提供支持。
|
全文目录
相似论文
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 舌体特征的提取及融合分类方法研究,TP391.41
- 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
- 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
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于差分演化的人脸识别方法研究,TP391.41
- 人脸检测算法的FPGA设计与实现,TP391.41
- 人脸检测及其DSP实现,TP391.41
- 嵌入式人脸检测与跟踪系统的设计与实现,TP274
- 基于AdaBoost算法的车辆识别系统研究与实现,TP391.41
- 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
- 基于Nios Ⅱ的暂态电能质量扰动检测的SOPC设计,TN47
- 人脸检测系统研究,TP391.41
- 基于Adaboost的人脸检测算法研究与实现,TP391.41
- 基于AdaBoost算法的人脸检测方法研究,TP391.41
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 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|