-
题名多元混沌时间序列的因子回声状态网络预测模型
被引量：21
- 1
-
-
作者
许美玲
韩敏
-
机构
大连理工大学电子信息与电气工程学部
-
出处
《自动化学报》
EI
CSCD
北大核心
2015年第5期1042-1046,共5页
-
基金
国家自然科学基金(61374154)
国家重点基础研究发展计划(973计划)(2013CB430403)资助~~
-
文摘
针对采用回声状态网络预测多元混沌时间序列时存在的病态解问题,本文建立了因子回声状态网络模型,通过因子分析(Factor analysis,FA)方法提取高维储备池状态矩阵的公因子,去除冗余和噪声成分.利用降维后的因子变量与期望输出之间的线性回归关系,求解网络未知参数.基于Lorenz序列和大连月平均气温–降雨量的仿真实验验证了本文所提模型的有效性.
-
关键词
多元混沌时间序列
预测
回声状态网络
因子分析
-
Keywords
Multivariate chaotic time series, prediction, echostate network, factor analysis （FA）
-
分类号
O415.5
[理学—理论物理]
-
-
题名基于加权极端学习机的瓦斯涌出量预测模型
被引量：2
- 2
-
-
作者
谢国民
谢鸿
付华
闫孝姮
-
机构
辽宁工程技术大学电气与控制工程学院
-
出处
《控制工程》
CSCD
北大核心
2018年第3期459-463,共5页
-
基金
国家自然科学基金(51274118)
辽宁省教育厅基金项目(UPRP20140464)
-
文摘
为了能够更加准确地预测瓦斯涌出量，提出一种多元混沌时间序列的加权极端学习机瓦斯涌出量预测模型。首先对瓦斯涌出量监测数据构成的多元时间序列进行相空间重构，采用信息熵方法选取最佳延迟时间和嵌入维数：然后根据相空间中输入数据对预测误差的影响施加不同的权重，并结合核极端学习机预测模型构造出加权极端学习机模型。通过仿真试验表明，提出的预测模型行之有效，与同类其他模型相比，具有更高的预测精度和更好的稳定性。
-
关键词
多元混沌时间序列
加权极端学习机(WELM)
瓦斯涌出量
预测分析
-
Keywords
Multivariate chaotic time series
weighted extreme learning machine （WELM）
gas emission
prediction and analysis
-
分类号
TP27
[自动化与计算机技术—检测技术与自动化装置]
-
