基于模糊双曲正切模型的回声状态网改进及其应用研究

《基于模糊双曲正切模型的回声状态网改进及其应用研究》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、101672013080014论文题目：基于模糊双曲正切模型的回声状态网改进及其应用研究ImprovementandapplicationofEchoStateNetworkbasedonFuzzyHyperbolicModel作者姓名：齐红云指导教师：伦淑娴教授专业名称：控制理论与控制工程研究方向：智能控制与滤波学院年级：工学院2013级完成日期：2016年4月渤海大学研究生学院原创性声明本人郑重承诺：所呈交的硕±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。尽我所知，除了文中已经注明引用的内容外，本论文不包含其

2、他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均己在文中Ｗ明确方式标明。本人完全意识到本声明的法律结果由本人承担。论文作者签名：冰作与Ｖ曰期：Ｌ公串＾月［曰关于论文使用授权的说明学位论文作者完全了解潮海大学有关保留、使用学位论文的规定，目Ｐ：研究生在校攻读学位期间进斤论文工作的知识产权单位属于潮海大学。潮海大学有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阀。本文作者授权潮海大学可Ｗ公布学位论文的全部或部分内容，可将学位论文的全部或部分

3、内容编入有关数据库并进行检索，可＾式采用影印、缩印、扫描或其它复制手段保存、汇编学位论文保密的学位论文在解密后遵守此规定）。（本论文属保密□，在解密后适用本授权书。年于不保密用本授权书。＂＂（请在□内打Ｖ）论文作者签名：則厂气指导教师签名：免知細１＾心＇：年６月曰期曰曰期：（／＾月曰［（１＾基于模糊双曲正切模型的回声状态网改进及其应用研究[摘要]回声状态网是一种改进的递归神经网络。它使用随机稀疏连接的储备池代替传统递归神经网络的隐含层，用储备池单元来对输入进行高维、非线性的表示。储备池的生成过程独

4、立于回声状态网的训练过程，因而只需采用线性方法训练输出权值，极大的简化了网络的训练过程。为了进一步提高回声状态网的性能，本文主要研究回声状态网参数之间的关系，并开展对回声状态网的改进研究。首先，泄露积分型回声状态网(Leaky-ESN)是一种改进的回声状态网，对于学习慢变化的动态系统，已经被证明是有用的。但是Leaky-ESN的参数间存在复杂的非线性关系，它的参数取值没有很好的指导原则，初学者很难一下给出合适的值。为了使Leaky-ESN有更好的建模能力，本论文通过仿真实验研究储备池的大小和稀疏度与建模精度的关系。本论文不仅给出了它们关系

5、的定性描述，而且通过最小二乘拟合法给出了定量描述。其次，充分利用模糊双曲正切模型和回声状态网的优点，提出了基于模糊双曲正切模型的回声状态网(FH-ESN)。由于回声状态网和模糊双曲正切模型的状态更新方程相类似，可以利用模糊双曲正切模型来解释回声状态网储存的有用信息，使回声状态网具有可解释性，并且这种改进方法提高了建模精度。FH-ESN模型把输入、状态和输出分离开来，这更有利于控制器的设计。最后，利用改进的回声状态网对典型的非线性时间序列进行预测，特别是对光伏发电量的预测。与标准回声状态网进行对比，本论文提出的方法具有更好的预测性能。[关键

6、词]：回声状态网；模糊双曲正切模型；时间序列预测；状态更新方程；光伏发电量预测IIMPROVEMENTANDAPPLICATIONOFECHOSTATENETWORKBASEDONFUZZYHYPERBOLICMODELABSTRACTTheechostatenetworkasanimprovedrecurrentneuralnetworkisproposed.Thebasicideaistouseareservoirtoreplacethehiddenlayer,whichcanexpresstheinputbythehigh-dime

7、nsionalandnonlinearway.Thegenerationprocessofreservoirisindependentofthetrainingprocess,thusonlyoutputweightsneedtobetrained.Inordertoimprovetheperformanceofechostatenetwork,thispapermainlystudiestherelationshipbetweentheparameters,andtocarryouttheresearchontheimprovement

8、ofechostatenetwork.First,theleakyintegratorechostatenetwork(Leaky-ESN),asanimprovedechostatenetw