基于過程神經(jīng)元網(wǎng)絡的動態(tài)預測模型及其應用.pdf

1、動態(tài)預測是實際工程領域和科學研究中普遍存在的問題.在應用中,很多系統(tǒng)都可以看作是一類復雜的非線性時變問題,一些問題由于缺乏先驗理論和知識,以及內部變換和環(huán)境因素相互作用的復雜性,很難用確定的機理模型進行精確描述和分析.例如,飛行器發(fā)動機性能衰退預測預報、化工生產(chǎn)PID控制、油田開發(fā)產(chǎn)能預報預測等.在實際應用中,需要建模和預測的多為非線性動態(tài)系統(tǒng),而利用傳統(tǒng)的神經(jīng)網(wǎng)絡只能預先確定系統(tǒng)的靜態(tài)模型.基于此,動態(tài)網(wǎng)絡建模和預測的研究,是近年來神

2、經(jīng)網(wǎng)絡建模和預測的新發(fā)展方向.在發(fā)展過程神經(jīng)網(wǎng)絡理論方面,本文從連接方式和逼近特性角度出發(fā),研究了具有較好適應性的過程神經(jīng)網(wǎng)絡模型--非層次化過程神經(jīng)網(wǎng)絡,構建了3種不同時域聚合機制的輸入輸出均為時變函數(shù)的過程神經(jīng)元網(wǎng)絡,其時空聚合運算和激勵可同時反映時變輸入信號的空間聚合作用和輸入過程中的階段時間累積效應.這三種網(wǎng)絡分別是:時變輸入輸出過程神經(jīng)元網(wǎng)絡,延時過程神經(jīng)元網(wǎng)絡,階段時變輸入過程神經(jīng)元網(wǎng)絡.文中為提及的網(wǎng)絡模型開發(fā)了各自適用的

3、學習算法,并對各網(wǎng)絡模型及其學習算法的相關性能進行了分析和仿真驗證. 本文提出的基于過程神經(jīng)網(wǎng)絡的動態(tài)預測理論主要基于過程神經(jīng)網(wǎng)絡的過程預測理論.本文從泛函分析的角度出發(fā),將時間序列短期預測看作是一個泛函逼近問題,將時間序列長期預測看作是一個算子逼近問題.文中討論并證明了過程神經(jīng)網(wǎng)絡對任意連續(xù)泛函或算子的逼近能力.為過程神經(jīng)網(wǎng)絡用于動態(tài)預測提供了理論上的支持.文中以Mackey.GlaLSs混沌時間序列預測為例驗證了基于過程神經(jīng)