主成分分析与神经网络的结合在多变量序列预测中的应用

被引：19

作者：

席剑辉 ^{[1
]}

韩敏 ^{[2
]}

机构：

[1] 沈阳航空工业学院自动控制系

[2] 大连理工大学电子与信息工程学院

来源：

控制理论与应用 | 2007年 / 05期

关键词：

多元变量时间序列; 神经网络; 预测; 主成分分析;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

目前预测方法的研究主要集中在单变量时间序列上,本文建立起一种针对多元变量非线性时间序列建模和预测的方法框架.首先,同时考虑序列状态间的线性相关性和非线性相关性,建立初始延迟窗以包含充分的预测信息;然后,利用主成分分析(PCA)方法寻找不同变量在数据空间中的最大方差方向,扩展PCA应用于提取多个变量的综合信息,重构多元变量输入状态相空间;最后,利用神经网络逼近不同变量之间以及当前状态和将来状态之间的函数映射关系,实现多元变量预测.对Ro¨ssler混沌方程和大连降雨、气温序列的预测仿真说明了本文方法的有效性,为多元变量时间序列分析提供了一条新的途径.

引用

页码：719 / 724

页数：6

共 5 条

[1] 关于SVD与PCA等价性的研究 [J].

吴春国 ;

梁艳春 ;

孙延风 ;

周春光 ;

吕英华 .

计算机学报, 2004, (02) :286-288

[2] 多变量时间序列复杂系统的相空间重构 [J].

王海燕 ;

盛昭瀚 ;

张进 .

东南大学学报(自然科学版), 2003, (01) :115-118

[3]

A. Yazdizadeh,K. Khorasani.Adaptive time delay neural network structures for nonlinear system identification[J].Neurocomputing,2002(1)

[4]

Jiann-Long Chen,Shafiqul Islam,Pratim Biswas.Nonlinear dynamics of hourly ozone concentrations[J].Atmospheric Environment,1998(11)

[5]

王永骥,涂健编著.神经元网络控制[M].北京:机械工业出版社,1998

← 1 →