基于经验模式分解与混沌分析的直接多步预测模型

被引：12

作者：

谢景新 ^{[1
]}

程春田 ^{[2
]}

周桂红 ^{[3
]}

孙玉梅 ^{[1
]}

机构：

[1] 河北农业大学机电工程学院

[2] 大连理工大学水利信息研究所

[3] 河北农业大学信息与技术学院

来源：

自动化学报 | 2008年 / 06期

关键词：

直接多步预测; 经验模式分解; 混沌分析;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

直接多步预测不依靠单步预测的结果而直接使用测量数据,效果理想,但往往要求模型能够学习多种不同的目标函数.本文建立的直接多步预测混合模型,使用模式分解方法把原始时间序列分解成不同尺度的基本模式分量,再经混沌分析和神经网络进行组合预测,减小了各步预测模型之间的差别,提高了模型对多种目标函数的学习能力,有效提高了预测精度.最后,通过基准时间序列验证了本模型的优越性.

引用

页码：684 / 689

页数：6

共 8 条

[1] 一种在线实时快速地判定交通流混沌的组合算法
张旭涛
贺国光
卢宇
[J]. 系统工程, 2005, (09) : 46 - 49
[2] 基于小波分解与重构的时间序列预测法
贺国光
马寿峰
李宇
[J]. 自动化学报, 2002, (06) : 1012 - 1014
[3] 太阳黑子数时间序列的分形研究及预测
顾圣士，王志谦，程极泰
[J]. 应用数学和力学, 1999, (01) : 81 - 86
[4] Empirical mode decomposition synthesis of fractional processes in 1D-and 2D-space
Deléchelle, E
Nunes, JC
Lemoine, J
[J]. IMAGE AND VISION COMPUTING, 2005, 23 (09) : 799 - 806
[5] 11-year solar cycle in the stratosphere extracted by the empirical mode decomposition method
Coughlin, KT
Tung, KK
[J]. SOLAR VARIABILITY AND CLIMATE CHANGE, 2004, 34 (02): : 323 - 329
[6] Skander Soltani.On the use of the wavelet decomposition for time series prediction[J].Neurocomputing,2002(1)
[7] Multi-step-ahead prediction using dynamic recurrent neural networks
Parlos, AG
Rais, OT
Atiya, AF
[J]. NEURAL NETWORKS, 2000, 13 (07) : 765 - 786
[8] Ronald J. Williams,David Zipser.A Learning Algorithm for Continually Running Fully Recurrent Neural Networks[J].Neural Computation,1989

← 1 →