2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩53頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、實(shí)際中所獲得的單變量時(shí)間序列往往長(zhǎng)度有限并存在噪聲,而且單變量時(shí)間序列所包含的信息具有不完備與不確定性,無(wú)法精確反映動(dòng)力學(xué)系統(tǒng)的動(dòng)態(tài)特性。相比單變量混沌時(shí)間序列,多變量時(shí)間序列含有更多的相關(guān)信息,可以克服部分噪聲的影響,提供更完備的動(dòng)態(tài)信息。但是多變量時(shí)間序列帶來(lái)更多相關(guān)信息的同時(shí),還會(huì)引入一些冗余信息和部分噪聲,導(dǎo)致預(yù)測(cè)模型的結(jié)構(gòu)過(guò)于復(fù)雜,使模型的泛化能力變差,容易產(chǎn)生過(guò)擬合現(xiàn)象,影響預(yù)測(cè)結(jié)果。針對(duì)以上問(wèn)題,本文提出一種基于主成分分析

2、的多變量混沌時(shí)間序列預(yù)測(cè)新方法。其基本思想是:利用主成分分析方法預(yù)處理輸入變量數(shù)據(jù),提取不同輸入變量之間相互獨(dú)立的主要有效信息組成神經(jīng)網(wǎng)絡(luò)輸入,濾除多變量混沌時(shí)間序列中次要的信息以及一部分噪聲,從而克服多變量混沌時(shí)間序列包含冗余信息所帶來(lái)的一系列問(wèn)題。經(jīng)過(guò)主成分分析后的輸入向量通過(guò)遞歸神經(jīng)網(wǎng)絡(luò)完成多個(gè)變量之間以及變量當(dāng)前狀態(tài)、歷史狀態(tài)和未來(lái)狀態(tài)之間的函數(shù)映射。利用遞歸神經(jīng)網(wǎng)絡(luò)具有回饋連接、可較好的反映系統(tǒng)動(dòng)態(tài)特性的特點(diǎn),建立精確的動(dòng)態(tài)模

3、型。為了更準(zhǔn)確的提取多變量混沌時(shí)間序列的主要信息,本文提出了一種改進(jìn)的主成分分析方法,該方法將奇異值分解與基于廣義Hebb算法的主成分分析相結(jié)合。此方法可以提高收斂能力和穩(wěn)定性,具有以最優(yōu)解和較低代價(jià)跟蹤緩慢變化的能力。采用本文所提出的方法對(duì)數(shù)值實(shí)驗(yàn)產(chǎn)生的多變量混沌時(shí)間序列(Lorenz系統(tǒng)產(chǎn)生的三變量混沌時(shí)間序列)和實(shí)際水文、氣象領(lǐng)域的多變量混沌時(shí)間序列(黃河年徑流和年太陽(yáng)黑子數(shù)二變量混沌時(shí)間序列;大連月平均氣溫、降雨量二變量混沌時(shí)間

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論