som在时间序列预测中的应用研究

《som在时间序列预测中的应用研究》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、ＴＰ３９１．９公开；中图分类号密级：ＵＤＣ；：本校编号讀Ｗ交遺义聲硕±学位论文？论文题Ｓ０Ｍ目；在时间序列预测中的度用研究２１２４４２研究生姓名．０；黄杰学号＼李罕授拿校指导教师姓名：职称；教工学硕壬学位交通信息王程及控制申请学位等级：专业：２０１５６１２’’论文答辩日期２０１５．６．９：论文提交日期：独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加Ｗ标注和致谢之处外，论文中不包含其他

2、人己经发表或撰写过的研究成果，也不包含获得兰州《通大学或其他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作了明确的说明并表示了谢意。。／；；学位论文作者签名Ａ杰签字日期２＿；年６月杉日学位论文版权使用授权书本学位论文作者完全了解兰州交通大学有关保留、使用学位论文的规定。特授权兰州交通大学可将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编供查阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。

3、（保密的学位论文在解密后适用本授权说明）学位论文作者签名；导师签名：耳签＂字日期；＾〇（；年＜月／乏日签字日期；仍細三３｜产硕士学位论文SOM在时间序列预测中的应用研究ResearchonTimeSeriePredictionUsingSOMNeuralNetwork作者姓名：黄杰学科、专业：交通信息工程及控制学号：0212442指导教师：李军教授完成日期：2015年4月12日兰州交通大学LanzhouJiaotongUniversity兰州交通大学硕士学位论文摘要近年来，自组织映射(Self-organiz

4、ingMap,SOM)神经网络在时间序列预测方面的应用逐渐受到国内外研究者的广泛关注，已成为具有重要的理论与应用价值的研究热点。作为一种非监督竞争学习型神经网络，SOM神经网络的构造简单直观，其联想记忆技术避免了传统方法易陷入局部最优的问题。本文研究了SOM神经网络的改进方法在时间序列预测方面的应用，以满足现实应用对预测精度的要求，为非监督神经网络在时间序列预测方面的应用扩展了新的空间。本文的主要研究内容包括如下几个方面：(1)研究时间序列预测理论，以及SOM神经网络的结构和算法。将SOM神经网络的联想记忆技术推广到时域，矢量

5、量化临时联想记忆(VectorQuantizedTemporalAssociationMemory,VQTAM)建模技术可实现时间序列预测。(2)提出一类递推SOM方法，包括递推的自组织映射(RecursiveSelf-organizingMap,RecSOM)方法和适用于结构化数据的结构化数据自组织映射(Self-organizingMapofStructuredData,SOMSD)方法。递推SOM方法利用上下文信息反映数据集的统计特性，其中，RecSOM方法用带时延的反馈表现递推的概念，SOMSD方法利用获胜神经元的网格

6、坐标表示上下文信息，更适用于结构化数据。递推SOM方法应用于交通流预测实例，并在同等情况下与其他预测方法进行对比，结果验证提出的方法是可行的、有效的。(3)在VQTAM建模技术的基础上，提出一类基于SOM神经网络的局部自回归(Auto-regressive,AR)方法。给出具有多个局部线性AR模型的AR-SOM方法，基于前K个获胜神经元用权值代替输入向量建立单一时变局部AR模型的K-SOM方法，以及在完成数据向量聚类的同时，更新多个局部AR模型系数的LLM(LocalLinearMap)-SOM方法。相对于全局模型，所提出的方

7、法能够灵活给出有效的监督神经结构，降低了计算复杂度。将其应用于不同的混沌时间序列预测典型实例中，进一步还将其应用于网络流预测实例和视频流预测的实例中，在同等条件下与已有方法比较，实验结果表明，所提出的方法能有效改善预测精度，且性能更好，验证了其有效性与应用潜力。关键词：时间序列预测；自组织映射；神经网络；递推；自回归论文类型：应用基础研究-I-SOM在时间序列预测中的应用研究AbstractRecently,researchontimeseriespredictionusingself-organizingmap(SOM)ne

8、uralnetworkhasarousedwideconcernofresearchersathomeandabroad,andbecomeavividresearchareawithimportanttheoryandapplicationvalue.Asaunsuperv