基于递归神经网络与集成算法的时间序列预测应用研究

《基于递归神经网络与集成算法的时间序列预测应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：靼益L关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的

2、知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密，在——年解密后适用本授权书。本人签名：导师签名：摘要l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

3、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

4、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。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ABSTRACTTimeSeriesPredictionisoneoftheapplicationsoftimeseriesanalysis．Throughanalysisofalargenumberofobservation

5、aldata,peoplecanpredictthefuturedevelopmenttrendofthedata,inordertocontroleventswhichwilloccur．Traditionaltimeseriesanalysisisanalyzedintermsofpuremathematics．Becausethetimeseriesinpracticalapplicationhasnon-linearcharacteristicssuchasirregular,chaosandsoon,itisverydifficulttosetupidealmodeltothes

6、ystem．Andtheartificialneuralnetworkhasself-organization,stir-learningandnonlinearapproximationability．Therefore,artificialneuralnetworksusedfortimeseriespredictioncangotagoodpredictionmodel．Firstly,thebasicconcepts，classificationandpredictionmodeloftimeseriesforecastingmethodsareintroducedinthispa

7、per．Andtheanalysisofartificialneuralnetworkmodelandadvantagesforthetimeseriesisfocusedon,whilethewavelettransformusedfordenoisingoftimeseriesisbeingstudied．Then，basedontheproblemofmanykindsofartificialneuralnetwo