版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、時間序列預測被廣泛應用于社會科學、自然科學、人類思維探索等多個領域,具有廣泛的應用價值。模型參數(shù)的最優(yōu)估計方法是時間序列預測研究的重點,經(jīng)典參數(shù)估計方法采用一組參數(shù)進行估計,對估計結(jié)果不進行評估和優(yōu)化,預測精度往往達不到要求。本文在對群體智能尋優(yōu)機制的研究基礎上,重點研究基于群智能的參數(shù)估計方法,并將其應用到一元時間序列和多元時間序列預測中。
針對最小二乘參數(shù)估計法計算量大,逆矩陣難以求解,無法滿足動態(tài)系統(tǒng)的實時性。遞推最
2、小二乘估計雖有改進,但隨著遞推的進行,存在累計誤差導致結(jié)果發(fā)散的缺陷。本文提出基于群智能的時間序列預測模型(Swarm Intelligence Time Series Forecasting Model,STFM)。群智能算法借鑒了遞推估計思想和粒子濾波的群集尋優(yōu)模式,不依靠嚴格的數(shù)學模型,以概率方式進行搜索,同時具有較強的全局尋優(yōu)搜索性能。通過群智能算法解決粒子濾波的粒子退化問題,從而提高預測精度。
將群智能的時間序列
3、預測模型應用于一元時間序列預測,以Memetic算法和螢火蟲優(yōu)化算法為例,進行模型參數(shù)的最優(yōu)估計。同時,綜合不同群智能算法的尋優(yōu)機制,提出了增加局部搜索算子和動態(tài)步長的改進螢火蟲優(yōu)化算法,并將螢火蟲優(yōu)化算法和粒子濾波進行融合,改善粒子濾波的重要性采樣過程。仿真實驗表明STFM相比傳統(tǒng)算法,提高了預測精度。
針對多元時間序列數(shù)據(jù)之間相互影響,規(guī)律復雜,本文對多元時間序列預測進行研究,將群智能的時間序列預測模型應用于多元時間序
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于智能算法的時間序列預測方法研究.pdf
- 基于時間序列分析和智能算法的故障預測方法研究.pdf
- 基于群體智能算法的金融時間序列預測研究.pdf
- 基于群智能算法的聚類分析方法研究.pdf
- 基于群智能算法的圖像分割方法研究.pdf
- 群智能算法與電力負荷預測研究.pdf
- 基于群智能算法的聚類挖掘方法研究.pdf
- 基于群智能算法優(yōu)化SVR的短時交通流預測.pdf
- 基于群智能算法的卡通造型設計方法研究.pdf
- 基于智能算法的裝配序列規(guī)劃研究.pdf
- 基于智能算法的DNA序列比對研究.pdf
- 基于群智能算法的WSN路由技術(shù)研究.pdf
- 基于群智能算法的鍋爐燃燒優(yōu)化.pdf
- 群智能算法研究及應用.pdf
- 基于云計算與智能算法的短期電力負荷預測方法研究.pdf
- 基于云計算和智能算法的風電功率預測方法研究.pdf
- 群智能算法在短期電力負荷預測中的研究及應用.pdf
- 基于混合智能算法的鐵路運量預測研究.pdf
- 基于智能算法的電力負荷預測分析
- 群智能算法及其應用研究.pdf
評論
0/150
提交評論