首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 187 毫秒

1.  多维非线性自回归模型的投影寻踪学习网络逼近  被引次数:1
   田铮  文奇  谢美萍  郑光华《应用概率统计》,2002年第18卷第4期
   本文研究基于投影寻踪学习网络的多维非线性自回归模型逼近的收敛性,证明了在L^k(k为正整数)空间上,投影寻踪学习网络可以任意精度逼近多维非线性自回归模型,并给出应用实例。    

2.  基于SARIMA-BP神经网络组合方法的MODIS叶面积指数时间序列建模与预测  
   姜春雷  张树清  张策  李华朋  丁小辉《光谱学与光谱分析》,2017年第37卷第1期
   植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品 MOD15 A2是目前应用最为广泛的 LAI数据源之一,然而 MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响,该产品在时间和空间上缺乏连续性。MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分,单一的线性方法或非线性方法都不能对其精确建模和预测。首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列,然后采用季节自回归积分滑动平均(SARIMA)方法、BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。在 SARIMA-BP神经网络组合方法中,各自在线性与非线性建模的优势得以充分发挥,其中 SARIMA方法用于建模及预测 LAI时间序列中的线性部分,BP 神经网络方法用于对非线性残差部分进行建模及预测。实验结果显示:SG 滤波和线性插值后的 LAI 时间序列比原 LAI 时间序列更平滑;SARIMA-BP神经网络组合方法的决定系数为0.981,比 SARIMA和BP神经网络的0.941和0.884更接近于1;SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991,高于SARIMA(0.971)和BP神经网络(0.942)的相关系数。由此得出结论:SARIMA-BP 神经网络组合方法对 MODIS LAI时间序列具有更好的适应性,其建模和预测准确性高于 SARIMA方法或BP神经网络方法。    

3.  投影寻踪模型的改进及其在城市水资源承载能力预测中的应用  被引次数:5
   赵小勇  付强《数学的实践与认识》,2007年第37卷第7期
   在城市水资源承载能力研究中,偏最小二乘回归方法能有效地处理自变量间多重线性相关性问题,但不能较好地处理因变量与自变量间复杂的非线性问题.投影寻踪神经网络耦合模型是处理非线性问题的有力工具,而且神经网络投影寻踪耦合模型稳健性高,但不能较好地处理自变量间多重线性相关性问题.本文把这两种方法结合在一起,建立了基于偏最小二乘回归的神经网络投影寻踪耦合模型,对城市水资源承载能力进行了预测,并取得了满意效果.    

4.  投影寻踪网络用于光纤陀螺噪声消除的研究  
   李颖  陈兴林《光子学报》,2009年第38卷第1期
   提出采用投影寻踪网络逼近Volterra滤波器的方法以实现光纤陀螺输出信号非线性噪声消除.投影寻踪网络采用批量学习和参数交替优化的训练算法,可以自适应确定神经网络的规模、参数和神经元函数,具有简捷的网络结构和较强的鲁棒性,克服了Volterra滤波器随着阶数增加,滤波系数的数量呈几何级数增长,实现困难的问题.仿真结果表明PPLN网络滤波器比Volterra滤波器具有更好的消噪效果.    

5.  材料性能的模糊神经网络建模  
   夏伯才 李尚政 等《教学与科技》,2001年第3期
   本文利用模糊神经网络直接从实验数据中提取规则,进行材料性能建模与预测,作为应用示例,建立了基于成份和组织参数的灰铁预测模型,与多元统计分析,模糊回归和广义回归网络所得的结果相比,该方法所得的模型具有学习精度高,且具有更好的泛化能力。    

6.  基于自编码网络流形学习的毛竹笋不溶性膳食纤维含量红外光谱建模  
   余心杰  殷姣姣  于欣  何勇《光谱学与光谱分析》,2013年第33卷第6期
   提出了一种结合自编码网络(AN)流形学习和偏最小二乘(PLS)法的红外光谱建模方法AN-PLS。AN-PLS方法首先用AN算法对红外光谱数据进行非线性降维,再结合PLS建立回归模型。利用该方法建立了毛竹笋中不溶性膳食纤维含量的近红外光谱和中红外光谱回归模型。结果表明,用AN-PLS方法建立的回归模型,比用其他常用光谱数据预处理方法结合PLS及用单独PLS算法建立的模型具有更小的预测均方根误差RMSEP和更高的决定系数R2,因此,AN-PLS具有较优的建模与预测能力,利用近红外光谱和中红外光谱技术结合AN-PLS建模,可实现毛竹笋中不溶性膳食纤维含量的准确测量。    

7.  投影寻踪和神经网络方法研究金属离子水解规律  
   杨兴华 梁逸曾 曾仲大《化学通报》,2005年第68卷第5期
   对金属离子水解常数pK1的线性模型的局限性进行了讨论,并采用投影寻踪技术对pK1数据结构进行研究。非线性建模可能是更适宜的方法。采用函数连接型神经网络(FLN),以金属离子的电荷、半径、价电子结构、电负性及空价轨道数等作为描述变量,对60种金属离子水解常数pK1数据进行建模,获得了满意的结果,并对10种金属离子的pK1作出了预测。    

8.  非线性系统高维特征量的稳健投影寻踪建模  被引次数:2
   田铮  戎海武  党怀义《数学的实践与认识》,1999年第29卷第3期
   针对非线性系统高维特征量的识别与提取问题,本文给出了稳健投影寻踪建模的方法。应用此方法,对试飞实测数据进行处理,建立了飞机发动机低压转子转速与其余六个特征量的稳健投影寻踪模型。上述模型不仅揭示了该非线性系统多个特征量之间关系,而且模型精度高,达到了实际工程要求。    

9.  基于Elman型神经网络的金川二矿地表岩移时序预测 模型  
   袁仁茂  马凤山  邓清海  徐锡伟《力学学报》,2008年第16卷第1期
   建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。    

10.  2013年长江下游降水低频分量延伸期预报的扩展复数自回归模型  被引次数:1
   杨秋明《物理学报》,2014年第19期
   用长江下游降水低频分量和全球850 hPa低频经向风主成分,建立扩展复数自回归模型(ECAR),对2013年1-12月长江下游降水低频分量进行延伸期逐日变化预报试验。结果表明,20-30 d 时间尺度的长江下游低频降水预测时效可达43 d左右,能较好地预测与暴雨过程对应的低频分量的非线性增长过程,预报能力明显优于自回归模型(AR)。这种通过构造主要低频序列组成的扩展复数矩阵(ECM)进行复数自回归(CAR)建模的ECAR方法,也为展现气候系统内部分量之间相互作用的动力学过程提供了崭新的描述。基于全球环流主要20-30 d振荡型的发展和演变,对于提前27 d预报长江下游地区2013年10月上旬后期大暴雨过程很有帮助,其中南半球热带外环流20-30 d振荡是影响2013年夏秋季长江下游地区延伸期强降水变化的一个主要因子。    

11.  基于神经网络内部模型的非线性偏最小二乘法用于火电厂烟气光谱定量分析  
   曹晖  李耀江  周延  王燕霞《光谱学与光谱分析》,2014年第11期
   针对火电厂烟气光谱数据的非线性特性,采用了基于神经网络内部模型的非线性偏最小二乘定量分析方法。该方法进行偏最小二乘(PLS)回归后,将自变量和因变量的隐变量作为神经网络的输入和输出进行训练,即可得到非线性内部模型。将PLS、基于向后传递神经网络内部模型的非线性PLS(BP-NPLS)、基于径向基函数神经网络内部模型的非线性PLS(RBF-NPLS)和基于自适应模糊推理系统内部模型的非线性PLS(ANFIS-NPLS)对火电厂烟气多组分进行测定后比较,BP-NPLS、RBF-NPLS和ANFIS-NPLS较之PLS,将二氧化硫预测模型的预测均方根误差(RMSEP)分别降低了16.96%,16.60%和19.55%;将一氧化氮预测模型的RMSEP分别降低了8.60%,8.47%和10.09%;将二氧化氮预测模型的RMSEP分别降低了2.11%,3.91%和3.97%。实验表明,非线性PLS较PLS更适用于火电厂烟气定量分析。通过神经网络对非线性函数的高度逼近特性,基于本文所提及内部模型的非线性偏最小二乘方法有较好的预测能力和稳健性,在一定程度上解决了基于多项式和样条函数等其他内部模型的非线性偏最小二乘方法的自身局限性。其中,ANFIS-NPLS的效果最好,自适应模糊推理系统的学习能力能够有效降低残差,使模型具有较好的泛化性,是一种比较准确实用的火电厂烟气定量分析方法。    

12.  基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测  
   梅英  谭冠政  刘振焘  武鹤《物理学报》,2018年第67卷第8期
   针对传统神经网络预测精度不高、收敛速度慢的问题,提出一种基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测方法.大脑情感学习模型模拟了哺乳动物大脑中杏仁体和眶额皮质之间的情感学习机制,具有计算复杂度低、运算速度快的特点,因此可以大大提高混沌预测的快速性.为了进一步提高大脑情感学习模型的预测精度,采用自适应遗传算法优化其参数,将待优化的权值与阈值分布在染色体基因序列上,用适应度函数选出最佳参数,从而增强了模型的逼近能力.基于Lorenz混沌时间序列和实际地磁Dst指数序列的预测结果表明,本文方法较其他传统方法在预测精度、运算速度和稳定性上均具有明显优势.    

13.  供热负荷时间序列混沌特性分析及预报模型研究  被引次数:1
   张永明  齐维贵《物理学报》,2011年第60卷第10期
   为揭示供热负荷时间序列蕴含的内在动态特性,采用非线性分析方法对供热负荷时间序列混沌特性进行识别.以集中供热热源和热力站负荷时间序列为研究对象,进行相空间重构,求得了饱和关联维数和最大Lyapunov指数,验证了供热负荷时间序列的混沌特性,为供热负荷预报研究提供了混沌理论基础.针对现有供热负荷预报方法多为主观模型方法,本文提出了一种基于Volterra自适应滤波器的供热负荷预报方法,该方法不必事先建立主观模型,而直接根据负荷序列本身的特性进行预报,避免了负荷预报的人为主观性.最后,给出了供热负荷预报算例,仿    

14.  回归函数的投影寻踪逼近的Lp收敛性  被引次数:2
   田铮  肖华勇《应用概率统计》,2000年第16卷第3期
   投影寻踪是用来处理高维数据得一类新型统计方法。由于不知道E(rm(x)│α^Tmx)的具体形式,给投影寻踪回归的应用带来一定的困难,为此,作者曾证明岭函数为多项式形式的投影寻踪回归的L2收敛性「3」,本文在文献「3」的基础上进一步证明了回归函数投影寻踪逼近的Lp收敛性。    

15.  回归函数的投影寻踪逼近的L_p收敛性  
   田铮  肖华勇《应用概率统计》,2000年第3期
   投影寻踪是用来处理高维数据得一类新型统计方法.由于不知道E(rm(x)|aTmx)的具体形式,给投影寻踪回归的应用带来一定的困难,为此,作者曾证明岭函数为多项式形式的投影寻踪回归的 L2收敛性[3],本文在文献 [3]的基础上进一步证明了回归函数投影寻踪逼近的 Lp收敛性.    

16.  基于自回归过程的惯性敏感器随机误差建模  
   王浩  黄长强  王勇  赵辉《中国惯性技术学报》,2008年第16卷第2期
   针对传统高斯马尔柯夫过程在惯性敏感器随机误差建模过程中存在的由自相关序列计算不准确引起建模不准确的缺点,引入自回归过程建模方法对惯性敏感器的随机误差进行建模.建立了自回归过程模型,分析了三种确定自回归过程模型参数的方法,对三种参数估计方法进行了比较,分析结果表明burg法得到的自回归模型稳定性更好.利用静态数据对随机误差的自回归过程模型进行了测试,并将测试结果与其它随机过程模型得到的结果进行了比较.结果表明采用burg法确定模型参数的自回归过程模型的收敛性好,3阶自回归过程模型就能得到最佳的估计效果.同其它随机过程模型相比,自回归过程模型的收敛速度快,稳定性好.    

17.  多元混沌时间序列的多核极端学习机建模预测  
   王新迎  韩敏《物理学报》,2015年第7期
   多元混沌时间序列广泛存在于自然、经济、社会、工业等领域.对多元混沌时间序列进行建模预测有助于人类更好地管理,控制与决策.针对多元混沌时间序列的建模预测问题,本文提出一种基于多核极端学习机的预测方法.首先对多元混沌时间序列进行相空间重构,将多元混沌时间序列序列的时间相关性转化为空间相关性.提出一种结合多核学习算法与核极端学习机模型的多核极端学习机建立相空间中输入输出数据的非线性映射.多核极端学习机模型结合了多核学习算法的数据融合能力以及核极端学习机的训练简便优势.基于Lorenz混沌时间序列预测和San Francisco河流月径流量预测的仿真实验表明,与其他常见混沌时间序列预测方法相比,本文提出的基于多核极端学习机的多元混沌时间序列预测方法具有更小的预测误差.    

18.  基于模糊模型的混沌时间序列预测  被引次数:8
   王宏伟  马广富《物理学报》,2004年第53卷第10期
   对于复杂、病态、非线性动态系统,基于模糊集合的模糊模型,利用模糊推理规则描述动态系统的特性,是一种有效方法.讨论了利用模糊建模方法实现非线性系统的建模和预测.首先,利用在线模糊竞争学习方法划分输入变量的模糊输入空间,然后利用卡尔曼滤波算法估计模糊模型的参数.采用该方法对Mackey Glass混沌时间序列进行预测试验,结果表明利用本方法可以在线或者离线能对Mackey Glass混沌时间序列进行准确预测,证明了本方法的有效性.    

19.  经济时间序列的连续参数小波网络预测模型  被引次数:1
   张新红《运筹与管理》,2007年第16卷第2期
   本文利用连续小波变换方法,给出一种连续参数小波网络。网络参数的学习采用一种类似神经网络的后向传播学习算法的随机梯度算法。另外,提出了一种借助小波分析理论指导网络参数赋初值的方法。进一步,通过对中国进出口贸易额时间序列预测建模的研究和仿真预测,提出了用连续参数小波网络建立经济时间序列预测模型的一般步骤和方法。预测结果表明,此模型具有较好的泛化、学习能力,可以有效地在数值上逼近时间序列难以定量描述的相互关系,所以利用连续参数小波网络建立的时间序列预测模型有较高的预测精度。    

20.  干涉型光纤陀螺仪零漂建模方法  
   吴峻  丁萍《中国惯性技术学报》,2008年第16卷第6期
   光纤陀螺仪零漂是衡量光纤陀螺仪精度的重要指标。文中对某光纤陀螺仪的零偏数据进行分析和预处理,采用时间序列分析法建立了AR(2)模型,同时基于BP神经网络建立了预测模型。建模结果分析表明:AR建模方法简单易行,但适用性不如BP网络模型,BP网络模型建模精度高,但算法复杂且收敛速度慢,容易陷入局部极小,因此采用了改进训练方法,改善了BP网络性能。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号